[论文解读] Conformalized Robust Principal Component Analysis

Liangliang Yuan, Lei Wang+2 more|arXiv (Cornell University)|Mar 15, 2026

Sparse and Compressive Sensing Techniques被引用 0

一句话总结

本论文引入 CP-RPCA，一种分布无关的一致性预测框架，用于在部分观测、受损矩阵的鲁棒主成分分析（RPCA）中量化不确定性，包含分割和全量一致性预测变体以及有限样本保证。

ABSTRACT

Robust principal component analysis (RPCA) is a widely used technique for recovering low-rank structure from matrices with missing entries and sparse, possibly large-magnitude corruptions. Although numerous algorithms achieve accurate point estimation, they offer little guidance on the uncertainty of recovered entries, limiting their reliability in practice. In this paper, we propose conformal prediction-RPCA (CP-RPCA), a practical and distribution-free framework for uncertainty quantification in robust matrix recovery. Our proposed method supports both split and full conformal implementations and incorporates weighted calibration to handle heterogeneous observation probabilities. We provide theoretical guarantees for finite-sample coverage and demonstrate through extensive simulations that CP-RPCA delivers reliable uncertainty quantification under severe outliers, missing data and model misspecification. Empirical results show that CP-RPCA can produce informative intervals and remain competitive in efficiency when the RPCA model is well specified, making it a scalable and robust tool for uncertainty-aware matrix analysis.

研究动机与目标

• 在缺失数据和大幅损坏的情形下，推动对 RPCA 的不确定性量化不仅仅是点估计。
• 开发一个实用、分布无关的框架（CP-RPCA），用于低秩分量的逐元素不确定区间。
• 在异质观测概率和潜在模型失配的情况下，提供有限样本覆盖保证。
• 提出两阶段（分割）和精确（全量）一致性程序，以实现 RPCA 的可扩展不确定性量化。
• 在人脸识别与视频背景建模等应用中展示鲁棒性和实用性。

提出的方法

• 将观测建模为 Y = X + S* 在观测索引上，其中 X 为低秩，S* 为稀疏，且存在缺失数据；对 E 不做分布假设。
• 将一致性预测与 RPCA 结合，产生 X 的逐元素置信区间并具备覆盖保证。
• 使用两阶段分割一致性方法：在一个子集上训练 RPCA，在另一个子集上进行标定，并裁剪被损坏的条目以获得标定分数。
• 计算标准化残差分数并据数据相关的标定阈值 q 形成区间 X_hat ± q * sigma_hat。
• 引入加权可交换性来处理非均匀的观测概率 p_ij，通过机会比 h_ij = (1-p_ij)/p_ij 和一次性加权实现统一阈值。
• 提供完整一致性变体（全量 CP-RPCA），通过用候选值扩充数据并重新计算 X_hat，以在计算代价下得到精确的标定区间。

Figure 1: Relationships among index sets in the two-stage CP-RPCA framework

实验结果

研究问题

• RQ1 在缺失数据和稀疏噪声下，如何以分布无关的方式对鲁棒 RPCA 的不确定性进行量化？
• RQ2 一致性预测是否可以为 RPCA 的低秩分量提供有限样本、覆盖保证的置信区间？
• RQ3 异质观测概率和潜在离群值如何影响一致性 RPCA 区间的有效性？
• RQ4 分割与全量一致性 RPCA 变体在可扩展性与统计保证之间是否存在实用权衡？
• RQ5 在各种数据产生情境下，CP-RPCA 的覆盖率理论极限与界限是什么？

主要发现

• CP-RPCA 为低秩分量提供逐元素置信区间，具备有限样本、分布无关的覆盖保证。
• 该方法能够处理具有异质观测概率的缺失数据和任意噪声分布，而无需矩条件或高斯假设。
• 理论结果确立了加权可交换性和有限样本覆盖界限，并对标定误差 Δ 与离群误识别误差 ξ 具有明确依赖。
• 分割 CP-RPCA 与全量 CP-RPCA 变体分别提供可扩展性和精确标定性，在计算成本和保证紧性之间存在权衡。
• 数值仿真在严重离群和模型失配下显示出可靠的不确定性量化，同时在 RPCA 假设成立时保持竞争力。

Figure 2 : Comparison of coverage effects under different observation modes and noise distributions