[논문 리뷰] On the distribution of cross-validated Mahalanobis distances

Jörn Diedrichsen, Serge B. Provost외 1명|arXiv (Cornell University)|2016. 07. 05.

Face Recognition and Perception참고 문헌 26인용 수 47

한 줄 요약

이 논문은 fMRI 기반의 표현 유사성 분석에서 교차검증 마할라노비스 거리(LDC)의 표본 분포에 대한 정규근사(normal approximation)를 가능하게 하는 평균과 공분산의 해석적 표현을 유도한다. 이를 통해 순열 검정에 의존하지 않고도, 거리 간 차이 검정이나 계산 모델에 대한 전체 표현 유사성 행렬 비교와 같은 강력한 폐쇄형 통계적 추론이 가능해진다.

ABSTRACT

We present analytical expressions for the means and covariances of the sample distribution of the cross-validated Mahalanobis distance. This measure has proven to be especially useful in the context of representational similarity analysis (RSA) of neural activity patterns as measured by means of functional magnetic resonance imaging (fMRI). These expressions allow us to construct a normal approximation to the estimated distances, which in turn enables powerful inference on the measured statistics. Using the results, the difference between two distances can be statistically assessed, and the measured structure of the distances can be efficiently compared to predictions from computational models.

연구 동기 및 목표

• fMRI 기반 표현 유사성 분석에서 교차검증 마할라노비스 거리(LDC)에 대한 통계적으로 타당한 추론 방법을 제공하는 것.
• 현재 순열 검정에 의존하는 계산 비용이 큰 방법 외에 폐쇄형 통계 검정이 없는 LDC에 대한 해석적 검정 방법의 부족을 해결하는 것.
• 유의미한 프레임워크를 제공함으로써 LDC를 계산 모델의 예측과 직접 비교할 수 있도록 하는 것.
• 신호에 의존하는 분산과 공분산 구조를 고려한 LDC 표본 분포에 대한 정확한 정규근사(normal approximation)를 도출하는 것.
• 해석적 분산 표현을 활용한 LDC의 선형 조합에 대한 신뢰성 있는 추론과 모형 매개변수 추정을 지원하는 것.

제안 방법

• 교차검증 마할라노비스 거리(LDC)의 표본 분포에 대한 평균과 공분산 행렬의 해석적 표현을 유도한다.
• 표본 분포를 다변량 정규분포로 모델링하며, 평균은 진짜 거리와 같고, 공분산 행렬은 노이즈와 신호 구조에서 유도된다.
• 공분산을 두 구성요소로 분할한다: 활동 추정치의 노이즈에서 기인한 성분과 진짜 거리에 따라 변하는 신호에 의존하는 성분.
• 다변량 노이즈 추정치의 정규화(0.2–0.5)를 통합하여 분산 근사의 정확도를 향상시킨다.
• 정규근사를 이용해 LDC의 선형 조합에 대한 z-검정을 구성함으로써 순열 검정 없이도 가설 검정이 가능하도록 한다.
• 이 근사를 활용해 모형 비교를 위한 폐쇄형 우도를 도출하며, 반복 가중 최소제곱법과 같은 반복적 방법을 통해 매개변수 추정이 가능하도록 한다.

실험 결과

연구 질문

• RQ1 fMRI 데이터에서 교차검증 마할라노비스 거리의 표본 분포에 대해 폐쇄형 근사를 도출할 수 있는가?
• RQ2 LDC 추정치의 분산은 진짜 거리와 노이즈 구조에 어떻게 의존하는가?
• RQ3 유도된 정규근사는 LDC 조합의 유의성 검정을 위해 순열 검정을 대체할 수 있는가?
• RQ4 표본 분포는 전체 표현 유사성 행렬을 계산 모델과 비교하는 데 어떻게 활용될 수 있는가?
• RQ5 비교적 적은 수의 볼륨(P > 30)이 있을 경우, 정규근사는 신뢰성 있는 추론에 충분한가?

주요 결과

• 교차검증 마할라노비스 거리의 표본 분포는 해석적으로 유도된 평균과 공분산를 가진 다변량 정규분포로 잘 근사된다.
• LDC 추정치의 분산은 진짜 거리와 함께 선형적으로 증가하며, 진짜 거리가 0일 때조차도 비영인 오프셋을 포함하여 단순 분산 안정화 변환을 불가능하게 한다.
• LDC 추정치의 공분산 행렬은 노이즈 유도 성분과 신호에 의존하는 성분을 모두 포함하며, 공통 조건을 공유하는 거리들(예: i-j와 i-k) 간의 의존성이 존재한다.
• 볼륨 수가 30을 초과하고 다변량 노이즈 추정치에 0.2에서 0.5 사이의 정규화를 적용할 경우, 정규근사는 정확도가 높다.
• 정규근사를 기반으로 한 z-검정은 기존의 t-분포 근사보다 더 강력하고 일반적이며, 단일 폴드 교차검증에 국한되고 공분산 구조를 忽略하는 한계를 갖는다.
• 정규근사를 기반으로 도출된 폐쇄형 우도는 정확한 모형 비교와 매개변수 추정이 가능하며, 순위 상관계수, 피어슨 상관계수, 코사인 각도보다 모형 선택에서 뛰어난 성능을 보인다.