[論文レビュー] On the distribution of cross-validated Mahalanobis distances

Jörn Diedrichsen, Serge B. Provost+1 more|arXiv (Cornell University)|Jul 5, 2016

Face Recognition and Perception参考文献 26被引用数 47

ひとこと要約

本稿は、交差検証されたマハラノビス距離（LDC）の平均および共分散の解析的表現を導出することで、その標本分布に対する多変量正規近似を可能にした。これにより、計算コストの高いパーミュテーション検定に依存せずに、距離の差の検定や計算モデルに対する全体的な表象類似性行列の比較といった、強力で閉形式の統計的推論が可能になる。

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.

研究の動機と目的

• fMRIを用いた表象類似性分析（RSA）における交差検証マハラノビス距離（LDC）に対する統計的に整合性のある推論手法を提供すること。
• 現在、計算コストの高いパーミュテーション検定に頼って評価されているLDCの閉形式統計的検定の欠如に対処すること。
• 尤度に基づく枠組みを提供することで、LDCと計算モデルの予測との直接比較を可能にすること。
• 信号依存の分散および共分散構造を考慮した、LDCの標本分布に対する正確な正規近似を導出すること。
• 解析的分散表現を用いて、LDCの線形対比の信頼性のある推論およびモデルパラメータ推定を支援すること。

提案手法

• 交差検証マハラノビス距離（LDC）の標本分布の平均および共分散行列の解析的表現を導出する。
• 標本分布を多変量正規分布としてモデル化し、平均を真の距離とし、共分散行列をノイズおよび信号構造から導出する。
• 共分散行列を2つの成分に分割する：活動推定値のノイズ由来の成分と、信号依存で真の距離が大きいほど増加する成分。
• 多変量ノイズ推定値の正則化（0.2–0.5）を組み込み、分散近似の精度を向上させる。
• 正規近似を用いてLDCの線形対比のためのz検定を構築し、パーミュテーションを用いない仮説検定を可能にする。
• 近似を応用して、閉形式の尤度を導出し、反復加重最小二乗法などの反復手法によるパラメータ推定を可能にする。

実験結果

リサーチクエスチョン

• RQ1 fMRIデータにおける交差検証マハラノビス距離の標本分布に対して、閉形式の近似を導出できるか？
• RQ2 LDC推定値の分散は真の距離およびノイズ構造にどのように依存するか？
• RQ3 導出された正規近似は、LDC対比の有意性検定においてパーミュテーション検定に代わって使用できるか？
• RQ4 標本分布を用いて、全体的な表象類似性行列を計算モデルと比較するにはどうすればよいか？
• RQ5 ボクセル数が中程度（例：P > 30）のとき、正規近似は信頼性のある推論に十分な精度を有するか？

主な発見

• 交差検証マハラノビス距離の標本分布は、解析的に導出された平均および共分散を有する多変量正規分布でよく近似される。
• LDC推定値の分散は真の距離に線形に依存し、真の距離がゼロであっても非ゼロのオフセットを有するため、単純な分散安定化変換は不可能である。
• LDC推定値の共分散行列には、ノイズ由来および信号依存の両成分が含まれており、共通の条件を共有する距離間（例：i-j および i-k）に依存関係が存在する。
• ボクセル数が30を上回り、多変量ノイズ推定値に0.2～0.5の正則化を施した場合、正規近似は正確である。
• 正規近似に基づくz検定は、単一の交差検証に限定され、共分散構造を無視する既存のt分布近似よりもパワーが高く汎用性に優れる。
• 正規近似から導出された閉形式尤度は、モデル比較およびパラメータ推定に正確に機能し、ランク相関、ピアソン相関、コサイン角よりもモデル選択において優れた性能を示す。