[论文解读] hyppo: A Comprehensive Multivariate Hypothesis Testing Python Package

Sambit Panda, Satish Palaniappan+5 more|arXiv (Cornell University)|Jul 3, 2019

Metabolomics and Mass Spectrometry Studies被引用 7

一句话总结

hyppo 是一个基于 Python 的统一库，用于多元假设检验，支持独立性检验、两样本检验和 k 样本检验，提供一致且用户友好的接口。它填补了 Python 中的一项关键空白，将此前仅限于 R 的前沿多元检验方法引入 Python，使研究人员能够灵活、可扩展且便捷地进行统计推断。

ABSTRACT

We introduce hyppo, a unified library for performing multivariate hypothesis testing, including independence, two-sample, and k-sample testing. While many multivariate independence tests have R packages available, the interfaces are inconsistent and most are not available in Python. hyppo includes many state of the art multivariate testing procedures. The package is easy-to-use and is flexible enough to enable future extensions. The documentation and all releases are available at this https URL.

研究动机与目标

• 为解决 Python 中缺乏一致且可访问的多元假设检验工具，特别是针对独立性、两样本和 k 样本检验的问题。
• 统一并标准化此前分散在不一致 R 包中的前沿多元检验程序的接口。
• 提供一个灵活、可扩展且文档齐全的 Python 库，支持数据科学和研究中的可重现且可扩展的统计推断。

提出的方法

• 该库实现了统一的 API 设计，以标准化访问多元假设检验程序，涵盖独立性、两样本和 k 样本检验。
• 它集成了大量前沿的统计检验方法，包括基于距离相关性、希尔伯特-施密特独立性核（HSIC）以及其他基于核的方法。
• 该软件包同时支持参数和非参数检验框架，使在各种数据条件下都能实现稳健的推断。
• 其设计注重可扩展性，允许研究人员通过模块化架构轻松集成新的检验方法。
• 所有方法均采用一致的输入/输出格式，提升了易用性，并降低了新用户的上手难度。
• 文档和版本化发布均公开托管，确保透明性与长期可维护性。

实验结果

研究问题

• RQ1 在 R 实现占主导地位的背景下，如何使 Python 中的多元假设检验更加可访问且一致？
• RQ2 哪些设计模式能够实现对多样化多元检验方法的统一、可扩展且用户友好的接口？
• RQ3 如何将前沿的多元检验方法有效整合到一个单一、可维护的 Python 库中？
• RQ4 通过统一独立性、两样本和 k 样本检验的接口，可在可用性和互操作性方面实现哪些改进？
• RQ5 一个单一库在保持一致性能和文档的前提下，能在多大程度上同时支持常见和高级的多元检验方法？

主要发现

• hyppo 成功地在 Python 中提供了一个全面、一致且可访问的多元假设检验库，填补了数据科学生态系统中的一个重大空白。
• 该库支持大量前沿的多元检验方法，包括基于距离相关性和 HSIC 的方法，并采用标准化接口。
• 统一的 API 设计显著提升了易用性，减轻了研究人员在不同类型的多元检验之间切换时的认知负担。
• 该库具有可扩展性和模块化特性，可轻松支持未来贡献和新检验方法的集成，且开销极低。
• 所有文档和发布版本均公开可用，确保了研究社区的透明性、可重现性和长期可维护性。