[논문 리뷰] On Multivariate Optimal Transportation

Novin Ghaffari, Stephen G. Walker|arXiv (Cornell University)|2018. 01. 10.

Geometric Analysis and Curvature Flows참고 문헌 24인용 수 7

한 줄 요약

이 논문은 이변량 최적 운반 문제에서 제곱비용을 갖는 경우, 랜덤 벡터 간의 최적 결합이 그들의 기본 코풀라 사이의 최적 결합에 의해 완전히 결정됨을 보여준다. 아르히메데스형 및 타원형 코풀라에 초점을 맞추어 해석 가능한 해를 도출함으로써, 코풀라에 대한 운반 문제를 해결하는 것으로 전체 다변량 분포에 대한 문제를 해결할 수 있음을 보여준다.

ABSTRACT

The Wasserstein distance, under a convex cost function, between random variables on $\mathbb{R}$ admits a simple, tractable solution. On the other hand, in higher dimensions, and even for the quadratic cost, the distance and associated optimal coupling, remains problematic, save for a few special cases. In this paper, we demonstrate that, in the case of quadratic cost, it is the underlying copula which drives optimal couplings. That is, if one has the optimal coupling between the two copulas of two multivariate random variables, then one has it between the two multivariate random variables. This motivates looking at optimal couplings between copula and indeed we find such for the class of Archimedean copula. The technique we use to do this is then developed to find optimal couplings between copulas associated with elliptical distributions.

연구 동기 및 목표

• 일반적인 해석 가능한 해가 특정 케이스 외에는 존재하지 않는 다변량 최적 운반 문제를 제곱비용 하에서 해결하는 데 장기적으로 지속된 과제를 다루기 위해.
• 특히 제곱비용 하에서 코풀라가 다변량 최적 운반 문제에서 수행하는 구조적 역할을 규명하기 위해.
• 그들의 코풀라 성분에 초점을 맞추어 다변량 분포 간 최적 결합을 계산하는 일반적인 방법을 개발하기 위해.
• 통계 및 금융 분야에서 널리 사용되는 아르히메데스형 및 타원형 코풀라로 이 방법을 확장하기 위해.
• 코풀라 수준에서 운반 문제를 해결하면 전체 분포 수준에서의 해를 얻을 수 있음을 입증하기 위해, 이를 통해 계산을 단순화하기 위해.

제안 방법

• 저자들은 제곱비용 하에서 다변량 랜덤 벡터 간의 최적 결합이 그들의 코풀라 간 최적 결합에만 의존한다는 것을 확립한다.
• 그들은 코풀라 생성함수와 의존성 구조를 이용하여 아르히메데스형 코풀라의 클래스에 대한 최적 결합을 유도한다.
• 이 방법은 타원형 코풀라의 대칭성과 반경 구조를 활용하여 변환 기법을 통해 최적 결합을 구성한다.
• 이 접근법은 코풀라가 변동성 분포와는 독립적으로 의존성 구조를 코딩한다는 사실을 활용하여 운반 문제를 분리한다.
• 해는 코풀라 공간에서 운반 문제를 해결한 후 기존 분포 공간으로 다시 올리는 방식으로 구성된다.
• 핵심 방정식은 제곱비용을 갖는 워샤르슈타인 거리의 사용과 코풀라의 생성자 및 반경 측도를 통한 표현을 포함한다.

실험 결과

연구 질문

• RQ1 제곱비용 하에서 다변량 분포 간 최적 결합이 그들의 코풀라 간 최적 결합으로 환원될 수 있는가?
• RQ2 제곱비용 하에서 아르히메데스형 코풀라에 대한 최적 결합의 형태는 무엇인가?
• RQ3 타원형 코풀라의 구조적 성질을 활용하여 최적 결합을 어떻게 구성할 수 있는가?
• RQ4 코풀라가 다변량 설정에서 최적 운반 계획을 완전히 결정할 수 있는 정도는 어느 정도인가?
• RQ5 코풀라 수준에서 운반 문제를 해결하면 전체 분포에 대한 전역 해를 보장하는 조건은 무엇인가?

주요 결과

• 제곱비용을 갖는 다변량 랜덤 벡터 간의 최적 결합은 그들의 코풀라 간 최적 결합에 의해 완전히 결정된다.
• 아르히메데스형 코풀라의 경우, 저자들은 코풀라 생성자와 반경 대칭성을 이용하여 명시적인 최적 결합을 도출한다.
• 타원형 코풀라의 경우 그들의 구형 및 반경 구조를 활용하여 이 방법을 확장함으로써 해석 가능한 해를 가능하게 한다.
• 코풀라 수준에서의 해는 원래의 다변량 분포에 대한 최적 운반 계획을 완전히 결정한다.
• 이 방법은 이전에 닫힌 형태의 해가 없었던 고차원 설정에서 최적 결합을 계산하는 데 일반적인 프레임워크를 제공한다.
• 결과적으로, 코풀라에 의해 코딩된 의존성 구조가 다변량 설정에서 최적 운반의 핵심 추진력임을 보여준다.