[論文レビュー] Data segmentation algorithms: Univariate mean change and beyond

Haeran Cho, Claudia Kirch|arXiv (Cornell University)|Dec 23, 2020

Statistical Methods and Inference参考文献 163被引用数 13

ひとこと要約

本論文は、単変量平均変化検出に焦点を当てつつ、高次元および関数的変化点解析などの複雑な問題へと拡張する、データセグメンテーションアルゴリズムの包括的サーベイを提供する。検出と局在化の理論的ベンチマークを確立し、標準的平均変化問題を基盤として強調し、高次元性と複数の変化点という課題が直交的であることを示し、モジュラーな手法開発を可能にする。

ABSTRACT

Data segmentation a.k.a. multiple change point analysis has received considerable attention due to its importance in time series analysis and signal processing, with applications in a variety of fields including natural and social sciences, medicine, engineering and finance. In the first part of this survey, we review the existing literature on the canonical data segmentation problem which aims at detecting and localising multiple change points in the mean of univariate time series. We provide an overview of popular methodologies on their computational complexity and theoretical properties. In particular, our theoretical discussion focuses on the separation rate relating to which change points are detectable by a given procedure, and the localisation rate quantifying the precision of corresponding change point estimators, and we distinguish between whether a homogeneous or multiscale viewpoint has been adopted in their derivation. We further highlight that the latter viewpoint provides the most general setting for investigating the optimality of data segmentation algorithms. Arguably, the canonical segmentation problem has been the most popular framework to propose new data segmentation algorithms and study their efficiency in the last decades. In the second part of this survey, we motivate the importance of attaining an in-depth understanding of strengths and weaknesses of methodologies for the change point problem in a simpler, univariate setting, as a stepping stone for the development of methodologies for more complex problems. We illustrate this with a range of examples showcasing the connections between complex distributional changes and those in the mean. We also discuss extensions towards high-dimensional change point problems where we demonstrate that the challenges arising from high dimensionality are orthogonal to those in dealing with multiple change points.

研究の動機と目的

• 単変量時系列の平均における複数の変化点を検出および局在化するための最先端の手法をレビューおよび比較すること。
• 検出および局在化速度の理論的基盤を確立し、均一な視点とマルチスケールの視点の違いを明確にすること。
• 標準的平均変化問題が、より複雑な変化点問題を扱う上で重要な基盤をなすことを示すこと。
• 高次元データの課題と複数の変化点の課題が直交的であることを示し、モジュラーな手法設計を可能にすること。
• データ変換を介して複雑な分布的変化を平均変化に還元し、高次元および関数的設定における性能を評価すること。

提案手法

• 計算複雑性と理論的性質に重点を置き、二分法、情報基準、スキャン統計に基づく標準的データセグメンテーション手法をレビューする。
• 均一なフレームワークとマルチスケールフレームワークの両方において検出および局在化速度を分析し、後者を理論的ベンチマークとして最適であると強調する。
• 分散や分布の変化を含む複雑な変化点問題を、変換されたデータにおける平均変化問題に還元するためのデータ変換技術を提案する。
• 信号の保持とノイズ制御のバランスを取るために、関数的主成分分析や完全な関数的プロシージャーを用いた次元削減を適用する。
• スパarsity仮定の下で、信号対ノイズ比を維持するためのデータ駆動型投影を高次元設定に適用し、ランダム投影によるノイズの増幅を回避する。
• 単変量、高次元、関数的変化点解析からの理論的知見を統合し、複雑なデータに対する手法設計を支援する。

実験結果

リサーチクエスチョン

• RQ1 複数の平均変化点検出における理論的検出および局在化速度は何か？ また、均一な視点とマルチスケールの視点の下でどのように異なるか？
• RQ2 平均とは異なる分布的シフトを伴う複雑な変化点問題は、どのように標準的平均変化問題に還元できるか？
• RQ3 高次元の課題（例：スパarsity、ノイズの増幅）と複数の変化点を検出する課題との間には、どの程度の相互作用があるか？
• RQ4 高次元変化点検定において、データ駆動型投影とランダムまたはオラクル投影の検出力に及ぼす影響は何か？
• RQ5 単変量データセグメンテーションからの理論的知見を、関数的および高次元データ設定へ体系的に拡張する方法は何か？

主な発見

• マルチスケールの視点は、データセグメンテーションにおける検出および局在化速度を導出するための最も一般的かつ最適なフレームワークを提供する。
• 高次元変化点問題は、複数の変化点の課題と直交的であることが示され、モジュラーな手法開発が可能になる。
• 共分散行列が対角行列である場合、ランダム投影はオラクル投影に比べて $ p^{-1/2} $ の効率の損失を受ける。
• 変化ベクトルのスパarsityを活用するデータ駆動型投影は、過剰なノイズの増幅を回避しながら高い検出力を維持できる。
• 標準的平均変化問題は基盤をなす：分散や分布の変化を含む複雑な問題は、適切なデータ変換によりこれに還元可能である。
• 関数的データでは、次元削減（例：FPCA）と完全な関数的アプローチの両方が有効であり、最近の研究では効率性と解釈可能性のバランスを取るハイブリッド手法が提案されている。