[論文レビュー] Fast computation of Tukey trimmed regions and median in dimension $p>2$

Xiaohui Liu, Karl Mosler+1 more|arXiv (Cornell University)|Dec 16, 2014

Advanced Statistical Methods and Models参考文献 35被引用数 5

ひとこと要約

本稿では、多次元非パラメトリック統計における長年の計算ボトル neck を克服するために、$p > 2$次元におけるTukey $\kappa$-トリムド領域およびTukey中央値の高速計算のための2つの新規アルゴリズムを提案する。より高速なアルゴリズムは、メモリ使用量と計算時間を大幅に削減する幅優先のリッジ単位探索戦略を採用している。一方、2番目のアルゴリズムは、$p > 2$次元において、初めて内側のTukey領域およびその重心（Tukey中央値）を計算するもので、実験的検証により従来手法と比較して顕著な高速化が確認された。

ABSTRACT

Given data in $\mathbb{R}^{p}$, a Tukey $κ$-trimmed region is the set of all points that have at least Tukey depth $κ$ w.r.t. the data. As they are visual, affine equivariant and robust, Tukey regions are useful tools in nonparametric multivariate analysis. While these regions are easily defined and interpreted, their practical use in applications has been impeded so far by the lack of efficient computational procedures in dimension $p > 2$. We construct two novel algorithms to compute a Tukey $κ$-trimmed region, a naïve one and a more sophisticated one that is much faster than known algorithms. Further, a strict bound on the number of facets of a Tukey region is derived. In a large simulation study the novel fast algorithm is compared with the naïve one, which is slower and by construction exact, yielding in every case the same correct results. Finally, the approach is extended to an algorithm that calculates the innermost Tukey region and its barycenter, the Tukey median.

研究の動機と目的

• 多次元非パラメトリック解析におけるTukey深度に基づく領域の実用的利用を妨げてきた、$p > 2$次元における効率的計算手法の不足に対処すること。
• 大規模な幾何的構造を保存しないようにすることで、メモリ効率の高いTukey $\kappa$-トリムド領域を計算する高速なアルゴリズムを開発すること。
• $p > 2$次元において、内側のTukey領域およびその重心（Tukey中央値）を計算可能な初のアルゴリズムを構築すること。
• 外れ値検出、信頼領域、リスク分析などの応用分野におけるTukey深度の実用的利用を可能にする計算フレームワークを提供すること。
• RパッケージTukeyRegionとしてアルゴリズムを実装し、広範なアクセス性と再現可能性を確保すること。

提案手法

• 方向錐や超平面配置を保存しない幅優先のリッジ単位探索戦略を採用するアルゴリズム1を提案し、リッジあたりのメモリ使用量を$\lceil\frac{p-1}{8}\log_2 n\rceil$バイトにまで削減する。
• Tukey領域の面数に対する厳密な上限を用いて計算複雑度を制限し、探索を効率化する。
• アルゴリズム2では、候補点におけるTukey深度を繰り返し評価することで、反復的にTukey中央値を特定する修正版二分探索手順を採用する。
• 線形計画法および最適化後の処理技術を統合し、Tukey深度の効率的計算を実現し、収束を加速する。
• 一般位置を保証するため、データをわずかに摂動させるロバストネスチェックを実装し、領域の形状にほとんど影響を与えない。
• 正確性を検証するため、単純な正確なアルゴリズムとの比較およびHPS手法とのベンチマークを実施した。

実験結果

リサーチクエスチョン

• RQ1 大規模な幾何的構造を保存せずに、$p > 2$次元におけるTukey $\kappa$-トリムド領域を計算する計算効率の高いアルゴリズムを開発することは可能か？
• RQ2 正確性を維持したまま、Tukey領域計算のメモリおよび時間計算量をどのように低減できるか？
• RQ3 新規の二分探索に基づくアプローチにより、$p > 2$次元における内側のTukey領域およびその重心（Tukey中央値）を計算することは可能か？
• RQ4 HPSや単純な列挙手法と比較して、提案アルゴリズムの速度およびメモリ使用量における性能はどの程度か？
• RQ5 Tukey領域の面数は、データサイズおよび次元数に伴いどの程度増加するか？この増加傾向を最適化に活用できるか？

主な発見

• アルゴリズム1は、特に$p \geq 5$の状況において、従来手法と比較して最大100倍の高速化と最大1000倍のメモリ削減を達成した。
• Tukey領域の面を含む超平面の数は、初期段階のアルゴリズムステップで調査された超平面数に比べて顕著に少ないため、効率的なプルーニングが可能である。
• テスト事例すべてにおいて、アルゴリズムは正確にTukey $\kappa$-トリムド領域を計算しており、正確な単純アルゴリズムとの結果が一致した。
• アルゴリズム2を用いて、$p > 2$次元において、初めて内側のTukey領域およびその重心（Tukey中央値）が計算された。
• シミュレーションスタディにより、アルゴリズム1がHPS手法よりも速度およびメモリ効率の面で優れていることが確認された。特にサンプルサイズが大きく、次元数が高い場合に顕著であった。
• RパッケージTukeyRegionは、すべてのアルゴリズムを実装しており、3次元における深度等高線および領域の可視化ツールも備えている。