[논문 리뷰] Optimal graphon estimation in cut distance

Olga Klopp, Nicolas Verzélen|arXiv (Cornell University)|2017. 03. 15.

Graph theory and applications참고 문헌 28인용 수 3

한 줄 요약

이 논문은 컷 거리 거리 척도에서 그래폰과 연결 확률 행렬에 대한 최소최대 최적 추정 속도를 확립하며, 이 거리 척도에서 원시 인접 행렬이 이미 최적임을 보여준다—추가 처리로도 수렴 속도를 향상시킬 수 없다. 놀랍게도 이는 $L_2$와 같은 다른 척도에서는 더 정교한 추정기들이 더 좋은 속도를 달성할 수 있다는 점과 대조된다.

ABSTRACT

Consider the twin problems of estimating the connection probability matrix of an inhomogeneous random graph and the graphon of a W-random graph. We establish the minimax estimation rates with respect to the cut metric for classes of block constant matrices and step function graphons. Surprisingly, our results imply that, from the minimax point of view, the raw data, that is, the adjacency matrix of the observed graph, is already optimal and more involved procedures cannot improve the convergence rates for this metric. This phenomenon contrasts with optimal rates of convergence with respect to other classical distances for graphons such as the l 1 or l 2 metrics.

연구 동기 및 목표

• 컷 거리 척도 하에서 그래폰과 연결 확률 행렬에 대한 최소최대 추정 속도를 규명하는 것.
• 컷 거리 척도 하에서 더 복잡한 추정 절차가 원시 인접 행렬보다 수렴 속도 측면에서 뛰어나지 못하는지 조사하는 것.
• 밀도적 및 희박한 영역 모두에서 블록 상수 행렬과 스텝 함수 그래폰의 추정을 분석하는 것.
• 약한 동형 그래폰의 몫 공간 내에서 작업함으로써 그래폰 추정의 식별 불가능성 문제를 해결하는 것.
• 클래식한 척도인 $L_1$ 및 $L_2$와 비교하여 컷 거리 척도가 그래폰 추정 맥락에서 어떻게 작용하는지 분석하는 것.

제안 방법

• 저자들은 그래폰 $W_0$를 가진 $W$-랜덤 그래프 모델을 고려하며, 간선 확률은 잠재 변수 $\xi_i \sim \text{Uniform}[0,1]$를 통해 생성된다.
• 그들은 약한 동형 그래폰의 몫 공간 $\widetilde{\mathcal{W}}^+$ 상에서 컷 거리 $\delta_1$를 척도로 정의하여 동치 클래스의 추정을 가능하게 한다.
• $k$개 블록을 가진 스텝 함수 그래폰의 경우, 추정된 군 빈도 $\widehat{\lambda}_a$를 기반으로 재매개변수화된 추정기 $\widehat{f}'$를 구성하여 추정된 그래폰과 진짜 그래폰을 일치시킨다.
• 측도 보존 사상 $\psi$를 사용하여 잠재 변수를 재할당함으로써 추정된 그래폰 $\widehat{f}'$가 경험적 그래폰 $\widetilde{f}_{\boldsymbol{\Theta}^*}$와 약하게 동형이 되도록 한다.
• concentration 부등식을 활용하여 $\mathbb{E}[|\lambda_a - \widehat{\lambda}_a|] \leq \sqrt{\lambda_a(1 - \lambda_a)/n}$ 이라는 조건을 이용해 $\widehat{f}'$와 $f'$ 사이의 기대 $L_1$ 거리의 상한을 구한다.
• $W^* \in \mathcal{W}^+_2[k]$ 에 대해 $\mathbb{E}_{W^*}[\|\widehat{f}' - f'\|_1] \leq C\rho_n \|W^*\|_2 \sqrt{k/n}$ 와 유사한 상한을 유도함으로써 최소최대 속도를 도출한다. $\mathcal{W}^+_1[k,\mu]$ 에 대해서도 유사한 상한이 성립한다.

실험 결과

연구 질문

• RQ1 컷 거리 척도 하에서 원시 인접 행렬이 그래폰 추정에 대해 최소최대 최적일 수 있는가?
• RQ2 컷 거리 척도 하에서의 추정 속도는 $L_1$ 또는 $L_2$ 척도 하에서의 속도와 어떻게 비교되는가?
• RQ3 더 정교한 추정기들이 컷 거리 위험 측면에서 원시 인접 행렬을 능가할 수 있는가?
• RQ4 블록 상수 행렬과 스텝 함수 그래폰의 추정에 대해 컷 거리 척도 하에서의 최소최대 속도는 무엇인가?
• RQ5 희박성 수준 $\rho_n$ 이 컷 거리 척도 하에서 최소최대 추정 속도에 어떤 영향을 미치는가?

주요 결과

• 원시 인접 행렬은 컷 거리 척도 하에서 그래폰 추정에 대해 최소최대 최적 속도를 달성하며, 이는 추가 처리로도 수렴 속도를 향상시킬 수 없음을 의미한다.
• $W^* \in \mathcal{W}^+_2[k]$ 인 경우 최소최대 속도는 $\rho_n \|W^*\|_2 \sqrt{k/n}$ 이며, 이 속도는 어떤 추정기로도 향상시킬 수 없다.
• $W^* \in \mathcal{W}^+_1[k,\mu]$ 인 경우 최소최대 속도는 $\rho_n \|W^*\|_1 \sqrt{k/(\mu n)}$ 이며, 동일한 최적성 결과가 성립한다.
• 컷 거리 척도는 $L_2$ 또는 $L_1$ 척도와 근본적으로 다른 최소최대 행동을 보이며, 이는 더 정교한 추정기들이 원시 인접 행렬을 능가할 수 있다는 점에서 다르다.
• 약한 동형성으로 인한 식별 불가능성 문제는 몫 공간 $\widetilde{\mathcal{W}}^+$ 내에서 작업함으로써 해결되며, 컷 거리는 이러한 변환에 대해 불변하다.
• 분석 결과, 측도 보존 재할당과 함께 경험적 군 빈도 $\widehat{\lambda}_a$ 는 최소최대 최적 추정기를 구성하는 데 충분하다.