[論文レビュー] High-Dimensional, Multiscale Online Changepoint Detection

Yudong Chen, Tengyao Wang+1 more|arXiv (Cornell University)|Mar 7, 2020

Statistical Methods and Inference参考文献 39被引用数 15

ひとこと要約

本稿では、未知の平均シフトを伴うp変量ガウス分布のストリーミングデータに対して、高次元かつマルチスケールのオンライン変動点検出手法を提案する。複数のスケールと座標において尤度比検定を実行し、各観測ごとに定数の記憶領域と計算量を維持するオンライン処理を可能にするとともに、平均変化ベクトルのスパarsityに依存する、帰無仮説下での平均運行長（patience）および代替仮説下での応答遅延に関する理論的保証を維持する。

ABSTRACT

Abstract We introduce a new method for high-dimensional, online changepoint detection in settings where a p-variate Gaussian data stream may undergo a change in mean. The procedure works by performing likelihood ratio tests against simple alternatives of different scales in each coordinate, and then aggregating test statistics across scales and coordinates. The algorithm is online in the sense that both its storage requirements and worst-case computational complexity per new observation are independent of the number of previous observations; in practice, it may even be significantly faster than this. We prove that the patience, or average run length under the null, of our procedure is at least at the desired nominal level, and provide guarantees on its response delay under the alternative that depend on the sparsity of the vector of mean change. Simulations confirm the practical effectiveness of our proposal, which is implemented in the R package ocd, and we also demonstrate its utility on a seismology data set.

研究の動機と目的

• 従来のスカラーデータ用手法が感度に欠ける高次元ストリーミングデータにおいて、小さなスパースな平均変化を検出する課題に対処すること。
• 履歴データサイズに依存しない、各観測ごとに定数の記憶領域と計算量を有するオンラインアルゴリズムの開発。
• 帰無仮説下での誤検出率（patience）および代替仮説下での応答遅延について、特にスパースな平均変化に対して理論的制御を保証すること。
• 微小なシフトを早期に検出できることが重要な地震学などのリアルタイム応用における実用的検出を可能にすること。
• 変化の大きさや位置について事前知識がなくても、スケールおよび座標にわたる証拠を統合する統一フレームワークを提供すること。

提案手法

• 各p個の座標において、さまざまなスケールの単純な代替仮説に対する尤度比検定を実行し、局所的な逸脱を検出する。
• スケールおよび座標にわたる検定統計量をマルチスケール走査法により統合し、スパースで低マグニチュードの変化に対する感度を向上させる。
• コンactな十分統計量の保存によりオンライン運用を維持し、過去のデータサイズに依存しない各観測ごとの計算および記憶コストを確保する。
• 変動点が検出された際にアラームを発動するため、統合された検定統計量の最大値に基づくしきい値戦略を用いる。
• 集中不等式およびガウス分布の尾部バウンドを用いて、patienceおよび応答遅延に関する理論的保証を導出する。
• 単位ベクトル分解（補題17）および再帰的数列解析（補題18）を用いたスパarsityに配慮したバウンドを組み込み、誤検出確率を制御する。

実験結果

リサーチクエスチョン

• RQ1 各観測ごとに定数の計算および記憶コストを維持する高次元データストリーム向けのオンライン変動点検出手順を設計できるか？
• RQ2 複数のスケールおよび座標にわたる証拠の統合により、小さなスパースな平均変化の検出感度をどのように向上させられるか？
• RQ3 帰無仮説下でのpatience（平均運行長）および代替仮説下での最悪応答遅延に対して、どのような理論的保証を提供できるか？
• RQ4 本手法の性能は平均変化ベクトルのスパarsityにどのように依存するか？また、変化の大きさや位置が未知の場合に適応可能か？
• RQ5 地震信号のような実世界のストリーミングデータに、信頼性の高い検出と低誤検出率を実現して実用的に応用可能か？

主な発見

• 提案手法は、帰無仮説下でのpatience（平均運行長）が名目水準以上に保たれ、誤検出率が制御されることを達成している。
• 最悪応答遅延は有界であり、平均変化ベクトルのℓ2ノルムに依存しており、スパースな変化に対してはよりタイトなバウンドが得られる。
• 平均応答遅延は代替仮説空間全体にわたり一様に制御されており、変化ベクトルのスパarsityに明示的な依存関係を示している。
• シミュレーションにより、本手法が高次元ストリームにおける小さなスパースな変化を効果的に検出でき、スカラーデータ手法および非適応的マルチスケール手法を上回ることを確認した。
• 本手法はRパッケージ ocd として実装されており、地震学などの応用分野における実世界の展開を可能としている。
• 実際の地震学データセットにおいて、本手法はベースライン手法よりも早期かつ信頼性の高い形で微小な地震的シフトを検出できた。これは、高リスク監視シナリオにおける実用性を示している。