[論文レビュー] Interval straight line fitting

M. Gutowski|ArXiv.org|Aug 23, 2001

Advanced Numerical Analysis Techniques参考文献 7被引用数 3

ひとこと要約

本稿では、測定誤差を考慮した実験的データフィッティングにおいて、線形モデルのパラメータ（傾きと切片）の保証付きできつい境界を計算するために区間解析を用いた制約充足アプローチを提案する。誤差関数の最小化に代えて、測定誤差に整合するすべての解の区間ヘッドを計算するボックススライシングアルゴリズムを採用し、信頼水準や誤差分布の仮定を一切用いずに、確率論的でない、きめの細かい境界を保証する。

ABSTRACT

I consider the task of experimental data fitting. Unlike the traditional approach I do not try to minimize any functional based on available experimental information, instead the minimization problem is replaced with constraint satisfaction procedure, which produces the interval hull of solutions of desired type. The method, called 'box slicing algorithm', is described in details. The results obtained this way need not to be labeled with confidence level of any kind, they are simply certain (guaranteed). The method easily handles the case with uncertainties in one or both variables. There is no need for, always more or less arbitrary, weighting the experimental data. The approach is directly applicable to other experimental data processing problems like outliers detection or finding the straight line, which is tangent to the experimental curve.

研究の動機と目的

• 通常の回帰手法が正規誤差分布や信頼水準といった確率的仮定に依存する点の制限を克服すること。これらは実際の実験的データではしばしば正当化されない。
• xおよびy変数の両方に測定誤差が存在する状況においても、真の線形モデルパラメータ（傾きと切片）を決定的かつ保証付きで囲い込むこと。
• 最小二乗法や絶対偏差最小法で一般的に用いられる重み付けスキーム、信頼水準、漸近的近似といった任意の選択に依存しないこと。
• データ構造に関する事前の仮定なしに、外れ値の検出や曲線の漸近的・接線的直線の特定を可能にすること。

提案手法

• 誤差関数の最小化をやめ、制約充足問題に置き換え、各測定データ点が区間で定義された直線上にあるような傾き（a）と切片（b）の区間を求める。
• ボックススライシングアルゴリズムを用いて、すべてのjについて a*x_j + b ∈ y_j を満たす解の区間ヘッドを計算する。ここでx_jとy_jは区間である。
• この手法は区間算術と包含原理に基づいており、得られるパラメータの区間が真の値を数学的に保証して含むことを保証する。
• 外れ値検出のため、計算されたパラメータ区間と整合しない方程式系を満たさない点が外れ値として自動的に特定される。
• 漸近的または接線的直線を求めるために、データ点を段階的に追加し、区間ヘッドがこれ以上縮小しなくなるか空になるタイミングを監視することで、最良のフィットラインを特定する。
• 制約充足プロセスの有限性により、計算的にも軽量で、50％までの外れ値が存在する場合でも信頼性高く終了する。

実験結果

リサーチクエスチョン

• RQ1 xおよびyの両方の測定値に不確実性が存在する場合、どのようにして確率論的仮定を用いずに保証付きの非確率的境界を線形モデルパラメータに計算できるか？
• RQ2 事前の仮定や主観的なしきい値なしに、実験的データの外れ値を検出できるか？
• RQ3 実験的データに基づいて、曲線に接する直線のパラメータを信頼性高く特定する方法は何か？
• RQ4 誤差分布に関する仮定を避けることのできる、最小二乗法や絶対偏差最小法の代替としてのロバストな手法は何か？
• RQ5 区間解析を用いて、実験的データからプロセスの漸近的挙動を体系的かつ一貫して特定できるか？

主な発見

• ボックススライシングアルゴリズムは、区間線形方程式系を満たすすべての解の区間ヘッドを計算し、信頼水準を必要とせず、傾きと切片の保証付き境界を提供する。
• この手法は保守的だが確実なパラメータ区間を生成し、真の値が数学的に保証された範囲内に含まれることを保証する。
• 外れ値は、計算されたパラメータ区間と整合しない方程式系を満たさないデータ点として自動的に検出される。
• 限定的なテストでは、この手法が最大50％の外れ値を含むデータセットに対してもロバストに動作することが示された。
• 漸近的直線を求める場合、データ点を段階的に追加し、区間ヘッドがこれ以上縮小しなくなるか空になるタイミングを検出することで、安定した区間ヘッドを特定する。
• 誤差分布の仮定、重み付けスキーム、信頼水準のいずれの仮定も必要としないため、離散的かつ非正規分布の不確実性を持つデジタル測定データに適している。