[論文レビュー] A pruned dynamic programming algorithm to recover the best segmentations with $1$ to $K_{max}$ change-points

Guillem Rigaill|arXiv (Cornell University)|Apr 6, 2010

Advanced Causal Inference Techniques被引用数 69

ひとこと要約

この論文は、1〜$K_{\text{max}}$個の変化点をもつ最良のセグメンテーションを、候補セグメンテーションをプルーニングするための関数的コスト表現を用いて、効率的に回復するためのプルーニング付き動的計画法（pDPA）を導入する。この手法は、最悪計算量が$\mathcal{O}(K_{\text{max}}n^2)$であるが、2次関数的損失において、真の変化点が存在しない場合でも、効果的なプルーニングにより、平均的に$\mathcal{O}(n\log n)$の性能を示す。

ABSTRACT

A common computational problem in multiple change-point models is to recover the segmentations with $1$ to $K_{max}$ change-points of minimal cost with respect to some loss function. Here we present an algorithm to prune the set of candidate change-points which is based on a functional representation of the cost of segmentations. We study the worst case complexity of the algorithm when there is a unidimensional parameter per segment and demonstrate that it is at worst equivalent to the complexity of the segment neighbourhood algorithm: $\mathcal{O}(K_{max} n^2)$. For a particular loss function we demonstrate that pruning is on average efficient even if there are no change-points in the signal. Finally, we empirically study the performance of the algorithm in the case of the quadratic loss and show that it is faster than the segment neighbourhood algorithm.

研究の動機と目的

• 長期間の信号における正確な複数変化点検出の計算上のボトル neck を解消すること。標準的な動的計画法は信号長$n$に対して2次的にスケーリングする。
• 最適性を損なわずに候補セグメンテーションの集合をプルーニングすることで、実行時間を短縮する手法の開発。
• 真の変化点が存在しない状況においても、関数的コスト表現が効果的なプルーニングを可能にすることを示すこと。伝統的なコストベースのプルーニングでは、この状況で失敗する。
• 2次損失などの一般的な損失関数において、pDPAがセグメンテーション近傍アルゴリズムよりも実行時間が短いことを、実験的に検証すること。

提案手法

• 各セグメントごとに多次元パラメータを用いた関数的コストを用いてセグメンテーションを表現し、最適でない候補を解析的にプルーニング可能にする。
• 関数的コストを用いて、いかなるパラメータ値に対しても最適でない可能性があるセグメンテーションを同定・除外することで、探索空間を削減する。
• プルーニングを施した動的計画法を適用：各時刻で、関連するパラメータ範囲における最小コストセグメンテーションのみを保持する。
• 最悪計算量の解析により、pDPAが標準的なセグメンテーション近傍アルゴリズムと同等の$\mathcal{O}(K_{\text{max}}n^2)$であることを示す。
• 特定の損失関数（例：2次損失）に対して、真の変化点が存在しない場合でも、平均的に効率的なプルーニングが可能であり、$\mathcal{O}(n\log n)$の平均計算量が達成されることを証明する。
• シミュレートされたデータおよび実際のSNPアレイデータを用いてアルゴリズムの実験的評価を行い、実行時間と保存された区間数を測定することで、プルーニング効率を評価する。

実験結果

リサーチクエスチョン

• RQ1 真の変化点が存在しない状況において、関数的コスト表現が複数変化点検出における候補セグメンテーションの効果的なプルーニングを可能にするか？
• RQ2 プルーニング付き動的計画法（pDPA）の最悪計算量は何か？また、標準的なセグメンテーション近傍アルゴリズムと比較するとどうか？
• RQ3 2次損失などの一般的な損失関数において、pDPAは変化点が存在しない場合でも、平均的に2次未塔の計算量を達成するか？
• RQ4 実際の計算において、pDPAは探索空間をどの程度効果的にプルーニングするか？（計算中に保持される区間数の観点から評価）
• RQ5 DNAコピー数解析のような実世界の応用において、pDPAはセグメンテーション近傍アルゴリズムよりも実用的に高速に動作するか？

主な発見

• pDPAの最悪計算量は$\mathcal{O}(K_{\text{max}}n^2)$であり、セグメンテーション近傍アルゴリズムと同等であるため、理論的性能に劣化がないことが保証される。
• 特定の損失関数に対して、pDPAは真の変化点が存在しない場合でも、関数的プルーニングの効果により、平均的に$\mathcal{O}(n\log n)$の計算量を達成する。
• 長さ$1.8 \times 10^6$のSNPアレイデータに対して実施した実験では、pDPAは平均28秒（最大33秒）でシーケンスを処理し、セグメンテーション近傍アルゴリズムを著しく上回った。
• すべてのテストシーケンスにおいて、pDPAが保持する区間数は50未満にとどまり、長期間の信号に対しても非常に効果的なプルーニングが実現されている。理論的上限値$2n-1$と比較して顕著に低い。
• pDPAはセグメンテーション近傍アルゴリズムよりも高速であることが確認され、DNAコピー数解析においてPELTや他の最先端手法と同等の性能を示した。
• 理論的には不等式に基づくプルーニングよりも関数的プルーニングが効果的であることが示された。本手法は多次元パラメータへも拡張可能であるが、高次元の場合には実装上の課題が残る。