[論文レビュー] Two-sample Statistics Based on Anisotropic Kernels

Xiuyuan Cheng, Alexander Cloninger+1 more|arXiv (Cornell University)|Sep 14, 2017

Statistical Methods and Inference参考文献 17被引用数 8

ひとこと要約

本稿では、高次元確率分布間の2標本仮説検定のための、新しい非対称カーネルに基づく最大平均差分（MMD）統計量を提案する。局所的な共分散構造を活用して、参照集合を縮小した非対称カーネルを構築することで、局所的にランクが低い分布に対して検出力が向上し、計算コストも低減される。弱い仮定の下で理論的一貫性が証明され、フローサイトメトリーおよび拡散MRIデータ上で実証されている。

ABSTRACT

The paper introduces a new kernel-based Maximum Mean Discrepancy (MMD) statistic for measuring the distance between two distributions given finitely-many multivariate samples. When the distributions are locally low-dimensional, the proposed test can be made more powerful to distinguish certain alternatives by incorporating local covariance matrices and constructing an anisotropic kernel. The kernel matrix is asymmetric; it computes the affinity between $n$ data points and a set of $n_R$ reference points, where $n_R$ can be drastically smaller than $n$. While the proposed statistic can be viewed as a special class of Reproducing Kernel Hilbert Space MMD, the consistency of the test is proved, under mild assumptions of the kernel, as long as $\|p-q\| \sqrt{n} o \infty $, and a finite-sample lower bound of the testing power is obtained. Applications to flow cytometry and diffusion MRI datasets are demonstrated, which motivate the proposed approach to compare distributions.

研究の動機と目的

• 標準的なMMDが性能を発揮できない、高次元かつ局所的にランクが低い分布の2標本検定を、より高い検出力で行うための手法を開発すること。
• 全データ行列の代わりに小さな参照集合を用いることで、カーネルベースの2標本検定における計算コストとメモリ使用量を低減すること。
• 局所共分散行列を用いてカーネル形状を局所幾何構造に適応させることで、分布の微小な違いを検出する能力を向上させること。
• 弱い仮定の下で理論的一致性を保証し、標本サイズが増加するに従い漸近的に妥当な検定を実現すること。
• フローサイトメトリーおよび拡散MRIのように、分布の違いが生物学的に意味のある変化を示す生物学的データ解析への実用的応用を可能にすること。

提案手法

• 局所共分散行列を用いて、局所的なデータ幾何構造に応じてカーネル形状を適応的に調整する非対称カーネルを構築する。
• データ点と参照点の間の非対称な類似度行列を計算するために、$ n_R \ll n $ のサイズの参照集合を用いる。ここで $ n $ はデータ点の数である。
• カーネル作用素のスペクトル基底へのヒストグラム射影の差の $ L^2 $-ノルムとして、カーネルベースのMMD統計量を定義する。
• カーネル作用素のスペクトル分解を適用し、スペクトル特性を分析することで、有限標本における検出力の下界を導出する。
• スペクトル平滑化と重み付きヒストグラム推定を組み合わせることで、分散を低減し、局所的乖離に対する感度を向上させる。
• 2標本検定をスペクトル埋め込み空間における平均シフト検定に再定式化することで、標準的な平均シフト統計量の使用を可能にする。

実験結果

リサーチクエスチョン

• RQ1 高次元空間において局所的にランクが低い分布に対して、非対称カーネルが2標本MMD検定の検出力を向上させ得るか？
• RQ2 小さな参照集合を用いることで、カーネルベースのMMDの一致性と計算効率にどのような影響が生じるか？
• RQ3 一般仮定の下で、提案手法に理論的保証は与えられるか。特に漸近的一致性に関しては？
• RQ4 この手法は、分布の局所的違いを検出可能か。また、局所的p値を提供するように適合可能か？
• RQ5 フローサイトメトリーおよび拡散MRIのような実際の生物学的データセットに、この手法は効果的に応用可能か。ここで、微小な分布シフトが生物学的に意味のある変化を示す。

主な発見

• 提案手法の非対称カーネルMMDは、共分散に基づくカーネル設計により局所幾何構造に適応することで、局所的にランクが低い分布に対して、等方的MMDよりも高い検出力を達成する。
• 条件 $ \|p - q\|\sqrt{n} \to \infty $ の下で漸近的一致性を保証する。これは、$ O(n^{-1/2}) $ の臨界領域を超える任意の固定偏差に対して成立する。
• カーネル作用素のスペクトル分解に基づき、有限標本における検出力の下界を導出する。これにより、検出力と固有値構造との関連が明確化される。
• フローサイトメトリーおよび拡散MRIデータセットへの応用において、標準的手法では捉えきれない生物学的に意味のある分布差を効果的に検出できる。
• スペクトル埋め込みフレームワークにより、一般代替仮説を低次元空間における平均シフト代替仮説に変換可能であり、標準的パラメトリック検定の使用が可能になる。
• 参照集合の使用により、$ n_R \ll n $ の条件下で、メモリと計算コストを顕著に低減しつつ、統計的検出力と一貫性を維持できる。