[論文レビュー] Projected Statistical Methods for Distributional Data on the Real Line with the Wasserstein Metric

M. Pegoraro, Mario Beraha|arXiv (Cornell University)|Jan 22, 2021

Anomaly Detection Techniques and Applications被引用数 7

ひとこと要約

本稿では、2-ワサーティン距離を用いた実数直線上の分布データを分析するための投影統計的手法を導入する。Bスプライン近似を用いた線形空間への距離射影を活用し、従来の手法と比較して計算効率が高く、モデル不適合下でも頑健な高速かつ一貫性のあるPCAおよび回帰を実現する。

ABSTRACT

We present a novel class of projected methods, to perform statistical analysis on a data set of probability distributions on the real line, with the 2-Wasserstein metric. We focus in particular on Principal Component Analysis (PCA) and regression. To define these models, we exploit a representation of the Wasserstein space closely related to its weak Riemannian structure, by mapping the data to a suitable linear space and using a metric projection operator to constrain the results in the Wasserstein space. By carefully choosing the tangent point, we are able to derive fast empirical methods, exploiting a constrained B-spline approximation. As a byproduct of our approach, we are also able to derive faster routines for previous work on PCA for distributions. By means of simulation studies, we compare our approaches to previously proposed methods, showing that our projected PCA has similar performance for a fraction of the computational cost and that the projected regression is extremely flexible even under misspecification. Several theoretical properties of the models are investigated and asymptotic consistency is proven. Two real world applications to Covid-19 mortality in the US and wind speed forecasting are discussed.

研究の動機と目的

• 実数直線上の確率分布に対する2-ワサーティン距離に基づく統計的解析の課題に取り組む。
• 従来の手法の限界、例えば解釈性の低さ、数値的不安定性、高い計算コストを克服する。
• 分布データに対するPCAおよび回帰のための高速で経験的に効率的かつ漸近的に一貫性のある手法を開発する。
• Covid-19死亡率や風速予測といった実世界の問題への実用的応用を可能にする。

提案手法

• 弱リーマン幾何構造に基づく接空間表現を用いて、ワサーティン空間から線形空間への写像を実施する。
• 距離射影を適用して結果を再びワサーティン空間に制約し、幾何的整合性を確保する。
• 制約付きBスプライン近似を用いて分位数関数を表現し、高速な経験的計算を可能にする。
• Bスプライン基底関数が張る有限次元部分空間への射影を通じてPCAおよび回帰を定式化する。
• 計算速度と数値的安定性を向上させるために、接点の選択を最適化する。
• 正則性条件の下でPCAおよび回帰の理論的一貫性結果を導出する。

実験結果

リサーチクエスチョン

• RQ1 投影手法は、計算コストを著しく削減しつつ、内在的測地線PCAと同等の性能を達成できるか？
• RQ2 本手法は、分布の分位数関数に不連続性があるなど、ワサーティン空間の境界付近に集中するデータをどのように処理するか？
• RQ3 モデル不適合下でも、投影PCAは解釈性と再構成精度をどれほど維持できるか？
• RQ4 主成分の次元が、投影フレームワークにおけるスコアの解釈性と安定性にどのように影響するか？
• RQ5 本フレームワークは回帰に拡張可能か？また、既存のワサーティンに基づく回帰モデルと比較してどうか？

主な発見

• 投影PCAは、測地線PCAと同等の再構成誤差を達成するが、計算コストはごくわずかである。
• 正則性条件の下で、PCAおよび回帰の両方において漸近的一致性が示された。
• β⋆₁で生成されたデータでは、J ≥ 20 個の基底関数を使用することで再構成誤差が 10⁻⁴ 未満に低下する。
• β⋆₂が使用された場合、同様の誤差閾値に達するにはより高い J = 100 個の基底関数が必要となる。
• 病理的ケース（ワサーティン空間境界付近のデータ）では、k ≥ 3 で解釈性スコア（ISk）がゼロに低下し、低分散成分における方向の解釈性に限界があることが示された。
• すべてのkに対してゴースト分散（GVk）が 10⁻¹⁰ 未満に保たれ、挑戦的状況下でも安定で低分散の射影が実現した。