[論文レビュー] Compound Sequential Change Point Detection in Multiple Data Streams

Yunxiao Chen, Xiaoou Li|arXiv (Cornell University)|Sep 12, 2019

Advanced Statistical Process Monitoring参考文献 37被引用数 4

ひとこと要約

本稿では、複数のデータストリームに対してベイジアン複合逐次変化点検出フレームワークを提案し、各ストリームは変化点が検出されると無効化される。この手法は、時間経過に伴い、アクティブなストリーム内の後変化ストリームの期待割合を最適に制御する。オракル手順がこの制約下で最適であることが証明され、ストキャスティック過程および部分順序空間の新しい道具を用いて、ストリーム数が大きくなる際の漸近的性質が確立される。

ABSTRACT

We consider sequential change point detection in multiple data streams, where each stream has its own change point. Once a change point is detected for a data stream, this stream is deactivated permanently. The goal is to maximize the normal operation of the pre-change streams, while controlling the proportion of post-change streams among the active streams at all time points. This problem has wide applications in science, social science, and engineering. Taking a Bayesian formulation, we develop a compound sequential decision theory framework for this problem. Under this framework, an oracle procedure is proposed that is optimal among all sequential procedures which control the expected proportion of post-change streams at each time point. We also investigate the asymptotic behavior of the proposed method when the number of data streams grows large. Several non-standard technical tools involving partially ordered spaces and monotone coupling of stochastic processes are developed for proving the optimality result. Numerical examples are provided to illustrate the use and performance of the proposed method.

研究の動機と目的

• 個々の変化点を持つ複数のデータストリームにおける逐次的変化点検出を扱う。
• すべての時刻で後変化ストリームの期待割合を制御しつつ、前変化ストリームの正常運用を最大化する。
• 検出精度とストリーム管理のバランスを取る意思決定理論的枠組みを構築し、厳密な割合制約下で実現する。
• ストリーム数が増加する際の手法の漸近的挙動を調査する。
• ストキャスティック過程および部分順序空間の高度な道具を用いて、提案手法の理論的最適性を確立する。

提案手法

• 複数のデータストリームとその変化点の同時進化をモデル化するためにベイジアン定式化が用いられる。
• 後変化ストリームの割合に制約を課すすべての逐次的手順の中で最適なオラクル手順が構築される。
• 1つのストリームの検出がその恒久的無効化を引き起こす複合意思決定構造が採用される。
• 最適性の証明に向け、単調なカップリングを用いたストキャスティック過程および部分順序空間に関する新技術が開発される。
• フレームワークにより、アクティブなストリーム内の後変化ストリームの期待割合がすべての時刻で有界に保たれる。
• ストリーム数が無限大に近づく際の性能を評価するための漸近的分析が実施される。

実験結果

リサーチクエスチョン

• RQ1 アクティブなストリーム内の後変化ストリームの割合を制御しつつ、複数のデータストリームにおける変化点を最適に検出する方法は何か？
• RQ2 後変化ストリームの期待割合に制約を課す条件下での最適逐次的手順の構造は何か？
• RQ3 ストリーム数が増加する際、提案手法の性能はどのように変化するか？
• RQ4 この複合検出設定において最適性を証明するために必要な新しい数学的道具は何か？
• RQ5 提案手法が高次元ストリーム設定において漸近的に最適であることが示せるか？

主な発見

• 提案されたオラクル手順は、各時刻で後変化ストリームの期待割合を制御するすべての逐次的手順の中で最適であることが証明された。
• この手法は、長期的に後変化ストリームの割合を制御し、すべての時刻でシステムの信頼性を維持する。
• ストリーム数が増加するにつれ、この手法は望ましい漸近的挙動を示し、高度なストキャスティック過程の道具を用いて収束性が導出された。
• 部分順序付きストキャスティック過程に対する単調カップリング技術の開発により、非i.i.d.かつ複合検出設定下での最適性の証明が可能になった。
• 数値例は、実際の応用において変化点を効果的に検出するとともに、後変化ストリームの割合を低く保てる手法の有効性を示している。
• 理論的枠組みは、大規模ストリーミング応用におけるスケーラブルで信頼性の高い変化点検出の基盤を提供する。