[論文レビュー] Change Point Detection for Compositional Multivariate Data.

K. J. Prabuchandran, Nitin Singh+2 more|arXiv (Cornell University)|Jan 11, 2019

Geochemistry and Geologic Mapping参考文献 22被引用数 8

ひとこと要約

本稿では、各観測値が確率質量関数であるコンポジショナルな多次元データに特化したパrametricな変化点検出手法を提案する。データ変換を用いることで、一般の多次元データに対しても応用可能となる。本手法はコンポジショナルデータにおいて既存手法を著しく上回り、一般データに対しても競争力を持つことが示され、実効性が強く裏付けられている。

ABSTRACT

Change point detection algorithms have numerous applications in fields of scientific and economic importance. We consider the problem of change point detection on compositional multivariate data (each sample is a probability mass function), which is a practically important sub-class of general multivariate data. While the problem of change-point detection is well studied in univariate setting, and there are few viable implementations for a general multivariate data, the existing methods do not perform well on compositional data. In this paper, we propose a parametric approach for change point detection in compositional data. Moreover, using simple transformations on data, we extend our approach to handle any general multivariate data. Experimentally, we show that our method performs significantly better on compositional data and is competitive on general data compared to the available state of the art implementations.

研究の動機と目的

• 各データポイントが確率質量関数であるコンポジショナルな多次元データに特化した効果的な変化点検出手法の不足に対処すること。
• コンポジショナル制約を尊重しないため、コンポジショナルデータでは性能が劣る既存の一般多次元変化点検出手法の限界を克服すること。
• 適切なデータ変換を活用してコンポジショナル構造を保持しつつ、堅牢な変化点検出を可能にするパrametricアプローチを開発すること。
• 変換技術を用いて一般多次元データに対しても本手法を拡張し、コンポジショナルデータにおける性能を損なわず広範な適用性を確保すること。

提案手法

• 各観測値が単体上に存在するコンポジショナルな多次元データに特化したパrametricな変化点検出フレームワークを提案する。
• 加法的対数比変換（alr）を適用して、コンポジショナルデータを単体から実数空間に写像し、標準的な統計モデリングを可能にする。
• 変換されたデータを、未知の点で分布パラメータに変化が生じると仮定するパrametricな統計枠組みでモデル化する。
• 尤度比検定または類似の統計基準を用いて、変換されたデータストリームにおける最も可能性の高い変化点を検出する。
• データに適用した変換を逆にすることで、元のコンポジショナル空間における変化点の位置を再構築する。
• 分布的性質を保ちつつ効果的な変化点検出を可能にする類似の変換を適用することで、一般多次元データに対しても本手法を拡張する。

実験結果

リサーチクエスチョン

• RQ1 各観測値が確率質量関数であるコンポジショナルな多次元データに、パrametricな変化点検出手法を効果的に適応できるか？
• RQ2 既存の一般多次元変化点検出手法は、コンポジショナルデータに適用した場合、どのように性能を示すのか。その主な限界は何か？
• RQ3 データ変換を用いることで、コンポジショナルデータにおける変化点検出性能はどの程度向上するか？
• RQ4 変換に基づく拡張後も、提案手法は一般多次元データにおいて強力な性能を維持できるか？

主な発見

• 提案手法は、最先端の一般多次元手法と比較して、コンポジショナルな多次元データにおける検出精度を著しく向上させた。
• 加法的対数比変換の使用により、コンポジショナル構造が効果的に保持され、変換空間における信頼性の高い変化点検出が可能となった。
• 変換に基づく拡張後も、一般多次元データにおいて既存手法と同等の性能を維持し、広範な適用性を示した。
• 実験的結果から、コンポジショナル制約を無視すると性能が劣化することが明らかとなり、このデータタイプに特化した手法の必要性が強調された。