[論文レビュー] On change point detection using the fused lasso method

Cristian R. Rojas, Bo Wahlberg|arXiv (Cornell University)|Jan 21, 2014

Statistical Methods and Inference参考文献 7被引用数 31

ひとこと要約

本稿は、区分的定常でない時系列における変動点検出のための融合lasso信号近似器（FLSA）の漸近的性質を分析する。FLSAが正確に変動点を検出できるのは、連続する変化が逆符号をとる場合に限られ、それ以外の場合は最適化構造上の固有の制限により真のスパarsityパターンを回復できない、近似的なスパarsityの一貫性を達成するのみであることを確立している。

ABSTRACT

In this paper we analyze the asymptotic properties of l1 penalized maximum likelihood estimation of signals with piece-wise constant mean values and/or variances. The focus is on segmentation of a non-stationary time series with respect to changes in these model parameters. This change point detection and estimation problem is also referred to as total variation denoising or l1 -mean filtering and has many important applications in most fields of science and engineering. We establish the (approximate) sparse consistency properties, including rate of convergence, of the so-called fused lasso signal approximator (FLSA). We show that this only holds if the sign of the corresponding consecutive changes are all different, and that this estimator is otherwise incapable of correctly detecting the underlying sparsity pattern. The key idea is to notice that the optimality conditions for this problem can be analyzed using techniques related to brownian bridge theory.

研究の動機と目的

• 区分的定常な平均を持つ信号における変動点検出のための融合lasso信号近似器（FLSA）の漸近的一致性を研究すること。
• FLSAが真の変動点の位置を近似的に回復できる正確な条件を同定すること。
• 連続する変化が同じ符号を持つ場合にFLSAがなぜ変動点を検出できないかを明確にすること、これは全変動量のノルムノイズ除去に用いられるが、その理由は最適化構造の制限に起因する。
• 有効な回復条件の下でFLSA推定量の収束速度を確立すること。
• 双対性およびブラウン運動ブリッジ理論を用いて、融合lassoを変動点検出に用いる理論的基盤を提供すること。

提案手法

• 最小二乗フィットと一次差分のℓ₁ノルムペナルティの組み合わせを最小化する凸最適化問題としてFLSAを定式化する。
• 凸最適化における双対性理論を用いて最適性条件を導出し、FLSA推定量を双対変数の観点から解釈する。
• ブラウン運動ブリッジ理論の道具を用いて双対変数の挙動と変動点検出との関係を分析する。
• 平均値における連続するジャンプの符号に基づいて、一貫した変動点回復の必要十分条件を導出する。
• 観測数が増加する際の推定量の漸近的挙動を分析し、特にスパarsityパターンの回復に注目する。
• 多変量ケースにおける分散フィルタリングへの分析を拡張し、同様のℓ₁正則化尤度フレームワークを用いる。

実験結果

リサーチクエスチョン

• RQ1 融合lasso信号近似器（FLSA）は、どのような条件下で区分的定常な平均を持つ信号における変動点の位置を一貫して検出できるか？
• RQ2 連続する変化が同じ符号を持つ場合に、なぜFLSAは真のスパarsityパターンを回復できないのか？
• RQ3 一貫した回復条件の下で、FLSA推定量の真の変動点位置への収束速度は何か？
• RQ4 最適化問題の双対変数は、変動点検出とどのように関係しているか？
• RQ5 正確な回復が不可能であっても、FLSAは変動点検出において近似的に一貫性を達成できるか？

主な発見

• FLSAは、すべての連続する平均値の変化が逆符号をとる場合に限り、変動点検出において近似的なスパarsityの一貫性を達成する。
• 連続する変化が同じ符号を持つ場合、サンプルサイズがどれほど大きくても、FLSA推定量は真のスパarsityパターンを回復できない。
• 一貫した回復条件の下で、FLSA推定量の真の変動点位置への収束速度はO_p(1/√N)のオーダーである。
• FLSA問題の最適性条件は、双対性理論を用いて分析可能であり、ブラウン運動ブリッジ過程と関連付けることができる。
• 最適化問題の双対変数は、変動点の位置を特徴づけるものであり、その構造が検出可能性を決定づける。
• 本分析により、FLSAが変動点検出において普遍的に一貫性を示すわけではないことが確認され、これは根本的に変化の符号パターンに依存することが判明した。