論文の概要: Nonparametric Goodness-of-fit Testing under Covariate Shift
- arxiv url: http://arxiv.org/abs/2608.04860v1
- Date: Wed, 05 Aug 2026 13:51:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-06 14:48:43.946912
- Title: Nonparametric Goodness-of-fit Testing under Covariate Shift
- Title（参考訳）: 共変量シフト下における非パラメトリック適合性試験
- Authors: Zhen Hou, Dong Xia,
- Abstract要約: 分布ミスマッチは、目標ソース密度比上の有界モーメント条件またはサブ指数テール条件によって定量化される。
本手法は,重み付けされたカーネルリッジ回帰と乗算ブートストラップを組み合わせることで,回帰関数に対する信頼セットを構築する。
適切な演算子互換条件下では、結果の信頼集合の漸近的妥当性と鋭さが証明される。
- 参考スコア（独自算出の注目度）: 4.3686879183724665
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper develops procedures for nonparametric goodness-of-fit testing under covariate shift, where labelled data are drawn from a source population but goodness-of-fit is evaluated for a target population. The distribution mismatch is quantified by either a bounded moment condition or a sub-exponential tail condition on the target-to-source density ratio. Our method combines truncated importance-weighting kernel ridge regression with a multiplier bootstrap to construct confidence sets for the regression function. The truncation stabilizes the importance- weighting kernel ridge regression as well as the bootstrap calibration, making our approach applicable even when the density ratio has heavy tails. We prove nonasymptotic validity and sharpness of the resulting confidence sets under suitable operator compatibility conditions, and establish explicit error rates for coverage probability under specific conditions on the target- to-source density ratio and on the spectral decay of the kernel integral operator. Numerical experiments corroborate our theoretical findings.
- Abstract（参考訳）: 本稿では,共変量シフトによる非パラメトリック適合性試験の手順を考案し,対象個体群からラベル付きデータを抽出するが,対象個体群に対して適合性の評価を行う。
分布ミスマッチは、目標ソース密度比上の有界モーメント条件またはサブ指数テール条件によって定量化される。
本手法は,重み付けされたカーネルリッジ回帰と乗算ブートストラップを組み合わせることで,回帰関数に対する信頼セットを構築する。
トラニケーションは、重み付けされたカーネルリッジの回帰とブートストラップ校正を安定化させ、密度比が重くても適用できるようにする。
演算子整合性条件下で得られた信頼度集合の漸近的妥当性と鋭さを証明し、ターゲット-ソース密度比およびカーネル積分作用素のスペクトル減衰に対する特定の条件下でのカバレッジ確率の明示的誤差率を確立する。
数値実験は理論的な結果を裏付けるものだ。
関連論文リスト
- Distributionally Faithful Imputation via Positive Semi-Definite Kernel Density Estimation [55.47411235954028]
マスク観測による密度推定では,不規則に不規則に不規則な計算を行う。
我々は,ニュートン内点法で解ける閉じた形状の辺縁を持つ凸型経験的リスク問題を得る。
結果のPSDインプットモデルでは、同一の入射密度から単一および多重インプットが得られる。
論文 参考訳（メタデータ） (2026-07-08T15:51:05Z) - Robust Regression with Adaptive Contamination in Response: Optimal Rates and Computational Barriers [65.58071581164043]
本研究では, 共変剤を清潔にし, 応答を適応的に劣化させる汚染モデルの下で, 頑健な回帰について検討する。
本研究では,ハマー汚染下で達成可能なものよりも優れた推定率を持つ推定器を構築するために,追加情報を慎重に活用できることを示す。
情報理論の観点からは、ハマーモデルよりも改善されているにもかかわらず、この問題が強い情報計算ギャップを示すという公式な証拠を提供する。
論文 参考訳（メタデータ） (2026-04-05T19:07:24Z) - Flow-Based Density Ratio Estimation for Intractable Distributions with Applications in Genomics [80.05951561886123]
我々は条件認識フローマッチングを利用して、生成軌道に沿った密度比を追跡するための1つの動的定式化を導出する。
クローズドフォーム比推定のためのシミュレーションベンチマーク上での競合性能を実証し,本手法が単一セルゲノミクスデータ解析における多目的タスクをサポートすることを示す。
論文 参考訳（メタデータ） (2026-02-27T17:27:55Z) - Penalized Empirical Likelihood for Doubly Robust Causal Inference under Contamination in High Dimensions [0.720409153108429]
低サンプルサイズ方程式における平均処理効果を2倍頑健に推定する手法を提案する。
提案した信頼区間は, 競合する推定値と比較して効率がよいことを示す。
論文 参考訳（メタデータ） (2025-07-23T11:58:54Z) - Estimating Unbounded Density Ratios: Applications in Error Control under Covariate Shift [17.924340241624204]
我々は,少なくとも2乗とロジスティック回帰に基づく損失関数を用いた密度比推定器について検討した。
我々は、対数係数まで、標準のミニマックス最適率で推定誤差の上限を確立する。
この結果は、非有界領域と範囲を持つ密度比関数に適合する。
論文 参考訳（メタデータ） (2025-03-29T11:35:39Z) - Semiparametric conformal prediction [79.6147286161434]
ベクトル値の非整合性スコアの結合相関構造を考慮した共形予測セットを構築する。
スコアの累積分布関数(CDF)を柔軟に推定する。
提案手法は,現実の回帰問題に対して,所望のカバレッジと競争効率をもたらす。
論文 参考訳（メタデータ） (2024-11-04T14:29:02Z) - Regulating Model Reliance on Non-Robust Features by Smoothing Input Marginal Density [93.32594873253534]
信頼できる機械学習は、非ロバストな特徴に依存するモデルの厳密な規制を必要とする。
本稿では,モデル予測を入力に関連付けることによって,そのような特徴を記述・規制するフレームワークを提案する。
論文 参考訳（メタデータ） (2024-07-05T09:16:56Z) - Double Debiased Covariate Shift Adaptation Robust to Density-Ratio Estimation [7.8856737627153874]
重み付けによる共変量シフト適応のための二重頑健な推定器を提案する。
我々の推定器は密度比推定誤差から生じるバイアスを低減する。
特に、密度比推定器または回帰関数が整合である場合、我々の推定器は整合性を保つ。
論文 参考訳（メタデータ） (2023-10-25T13:38:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。