論文の概要: Nonparametric Maximum Likelihood Estimation for Mixtures of Logistic Regressions
- arxiv url: http://arxiv.org/abs/2611.14445v1
- Date: Tue, 10 Nov 2026 18:15:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-12 04:24:43.935658
- Title: Nonparametric Maximum Likelihood Estimation for Mixtures of Logistic Regressions
- Title(参考訳): ロジスティック回帰の混合に対する非パラメトリック最大近似推定
- Abstract要約: 我々は,非パラメトリック最大値推定器 (NPMLE) を解析し, 得られた混合回帰関数の推定誤差に対する非漸近的境界を, ランダムな設計とランダムな設計の両方で導出する。
以上の結果から, 統計的推定誤差と, 偏差による近似誤差との間には, 明らかなトレードオフがあることが判明した。
本研究では, 有限支持混合分布の位置と重みを最適化し, シーブNPMLEを近似した有限粒子アルゴリズムを提案する。
- 参考スコア(独自算出の注目度): 6.302895007017465
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Mixtures of logistic regressions provide a flexible framework for modeling binary responses, extending standard logistic regression to accommodate unobserved heterogeneity while retaining an interpretable regression structure. In this paper, we study such models with an unspecified mixing distribution. We analyze a sieve nonparametric maximum likelihood estimator (NPMLE) and derive nonasymptotic bounds on the estimation error of the resulting mixture regression function under both fixed and random designs. Our results reveal an explicit tradeoff between statistical estimation error and the approximation error induced by the sieve radius, from which we derive convergence rates under several tail conditions on the mixing distribution. For computation, we propose a finite-particle algorithm that approximates the sieve NPMLE by optimizing the locations and weights of a finitely supported mixing distribution. The method offers numerical advantages over existing algorithms and comes with rigorous convergence guarantees. For any fixed dataset, we establish global convergence of the likelihood to the restricted NPMLE value when the number of particles exceeds a finite threshold. When the true mixing distribution is finitely supported, we further establish uniform global convergence guarantees and derive error bounds that separate algorithmic and statistical errors. Our analysis also yields a denoising bound for the mixing distribution and an identifiability result that complements existing results in the literature.
- Abstract(参考訳): ロジスティック回帰の混合はバイナリ応答をモデル化するための柔軟なフレームワークを提供し、解釈可能な回帰構造を維持しながら、観測されない不均一性に対応するように標準ロジスティック回帰を拡張します。
本稿では,不特定混合分布を持つモデルについて検討する。
我々は,非パラメトリック最大値推定器 (NPMLE) を解析し, 結果の混合回帰関数の推定誤差に非漸近的境界を導出する。
以上の結果から, 混合分布におけるいくつかの尾条件下での収束速度を導出する, 偏差推定誤差と偏差推定誤差との明らかなトレードオフが明らかとなった。
本研究では, 有限支持混合分布の位置と重みを最適化し, シーブNPMLEを近似した有限粒子アルゴリズムを提案する。
この手法は既存のアルゴリズムよりも数値的な利点があり、厳密な収束を保証する。
任意の固定されたデータセットに対して、粒子数が有限しきい値を超えるとき、制限されたNPMLE値に対する可能性のグローバル収束を確立する。
真の混合分布が有限に支持されると、さらに一様大域収束保証と、アルゴリズム的および統計的誤差を分離する誤差境界を導出する。
また,本研究では, 混合分布の認知的境界と, 既存の文献を補完する識別可能性についても検討した。
関連論文リスト
- Generative Modeling with Continuous Flows: Sample Complexity of Flow Matching [60.37045080890305]
フローマッチングは拡散に基づく生成モデルに代わる有望な選択肢である。
いくつかの理論的解析は、速度場が正確な経験的リスク最小化によって得られると仮定して学習手順を理想化する。
我々は,有限サンプル統計誤差と有限時間経験的最適化誤差の両方を明示的に考慮した,フローマッチングのための経験的リスク最小化手法を考案した。
論文 参考訳(メタデータ) (2026-11-01T04:31:34Z) - The Statistical Geometry of Latent Recovery in Hidden Markov Models [85.82801263693659]
我々は, 排ガス分離を考慮した潜伏回復のための収束率の特徴付けを行う。
我々の主な貢献は、ヘルリンガー誤差を適合密度と真密度に変換する決定論的逆不等式を潜時回復誤差の有界に変換することである。
論文 参考訳(メタデータ) (2026-10-31T06:19:55Z) - Poisson empirical Bayes estimation of sums of random variables via minimum-distance methods [6.4980926971596675]
可観測変数と可観測変数の関数の和の推定は、統計学における長年の問題である。
我々は、正規および粗大化最小距離推定に基づく非パラメトリック実証ベイズ手法を開発した。
そのような和の幅広いクラスに対して、その結果のプラグイン推定がベイズ推定とマージすることを示す大きなサンプル保証を確立する。
論文 参考訳(メタデータ) (2026-10-05T18:08:04Z) - Connecting Score Matching, Maximum Likelihood, and Expectation-Maximization in Mixed Linear Regression [11.223656960922478]
混合線形回帰(MLR)における応答の分散保存拡散と未知の混合重みについて検討した。
本分析では,不規則な拡散雑音レベルにおける損失幾何と最適化信号から,スコアマッチングの統計的保証を分離する。
論文 参考訳(メタデータ) (2026-09-04T19:52:26Z) - Fréchet regression of multivariate distributions with nonparanormal transport [5.388168357866664]
本稿では,多変量分布応答に対する新しい回帰手法を提案する。
我々は、NPTの理論的正当性を提供し、ワッサーシュタイン距離と位相的同値性を確立し、それが次元の呪いを緩和することを証明する。
本手法の実用性はシミュレーションと連続グルコースモニタリングデータへの応用により実証された。
論文 参考訳(メタデータ) (2026-03-07T03:21:12Z) - 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) - Multivariate root-n-consistent smoothing parameter free matching estimators and estimators of inverse density weighted expectations [51.000851088730684]
我々は、パラメトリックな$sqrt n $-rateで収束する、最も近い隣人の新しい修正とマッチング推定器を開発する。
我々は,非パラメトリック関数推定器は含まないこと,特に標本サイズ依存パラメータの平滑化には依存していないことを強調する。
論文 参考訳(メタデータ) (2024-07-11T13:28:34Z) - Ensemble Multi-Quantiles: Adaptively Flexible Distribution Prediction
for Uncertainty Quantification [4.728311759896569]
本稿では,機械学習における不確実性を定量化するために,分布予測の新しい,簡潔かつ効果的な手法を提案する。
これは回帰タスクにおいて$mathbbP(mathbfy|mathbfX=x)$の適応的に柔軟な分布予測を組み込む。
UCIデータセットからの大規模な回帰タスクでは、EMQが最先端のパフォーマンスを達成することを示す。
論文 参考訳(メタデータ) (2022-11-26T11:45:32Z) - A Robust and Flexible EM Algorithm for Mixtures of Elliptical
Distributions with Missing Data [71.9573352891936]
本稿では、ノイズや非ガウス的なデータに対するデータ計算の欠如に対処する。
楕円分布と潜在的な欠落データを扱う特性を混合した新しいEMアルゴリズムについて検討した。
合成データの実験的結果は,提案アルゴリズムが外れ値に対して頑健であり,非ガウスデータで使用可能であることを示す。
論文 参考訳(メタデータ) (2022-01-28T10:01:37Z) - A Stochastic Newton Algorithm for Distributed Convex Optimization [62.20732134991661]
均質な分散凸最適化のためのNewtonアルゴリズムを解析し、各マシンが同じ人口目標の勾配を計算する。
提案手法は,既存の手法と比較して,性能を損なうことなく,必要な通信ラウンドの数,頻度を低減できることを示す。
論文 参考訳(メタデータ) (2021-10-07T17:51:10Z)
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。