[论文解读] Maximum likelihood degree and space of orbits of a ${\mathbb C}^*$ action

Mateusz Michałek, Leonid Monin+1 more|arXiv (Cornell University)|Apr 16, 2020

Topological and Geometric Data Analysis参考文献 22被引用 5

一句话总结

本文建立了代数统计中线性浓度模型的最大似然（ML）次数与其在拉格朗日子流形上关于 ${\mathbb C}^*$ 作用的轨道的光滑紧致模空间——即高斯模空间——上的交集理论问题之间的联系。作者通过这一几何框架，推导出一个显式但计算复杂的 ML 次数公式，该公式是针对对角矩阵的单纯形变体的对称矩阵类比。

ABSTRACT

We study the maximum likelihood (ML) degree of linear concentration models in algebraic statistics. We relate it to an intersection problem on a smooth compact moduli space of orbits of a ${\mathbb C}^*$ action on the Lagrangian Grassmannian which we call Gaussian moduli. This allows us to provide an explicit, basic, albeit of high computational complexity, formula for the ML-degree. The Gaussian moduli is an exact analog for symmetric matrices of the permutohedron variety for the diagonal matrices.

研究动机与目标

• 理解代数统计中线性浓度模型的最大似然次数（ML-次数）。
• 建立一个几何框架，将 ML-次数与 ${\mathbb C}^*$ 轨道模空间上的交集理论联系起来。
• 引入并表征高斯模空间，作为 ${\mathbb C}^*$ 作用在拉格朗日子流形上的轨道空间的光滑紧致化。
• 通过该几何构造，尽管计算复杂度高，仍提供 ML-次数的显式公式。

提出的方法

• 作者构建了一个光滑紧致的模空间——称为高斯模空间——用于参数化拉格朗日子流形上 ${\mathbb C}^*$ 作用的轨道。
• 他们将线性浓度模型的 ML-次数与该模空间上的一个交集数联系起来。
• 该构造在高斯模空间与单纯形变体之间建立类比，但针对的是对称矩阵而非对角矩阵。
• 该方法依赖于代数几何技术，特别是光滑紧致代数簇上的交集理论。
• 通过在高斯模空间上进行交集理论计算，推导出 ML-次数的显式公式。
• 该方法将单纯形变体构造推广至对称矩阵情形。

实验结果

研究问题

• RQ1 线性浓度模型的 ML-次数能否通过几何方式表征？
• RQ2 ${\mathbb C}^*$ 作用在拉格朗日子流形上的作用在理解 ML-次数中起什么作用？
• RQ3 高斯模空间如何作为单纯形变体的对称类比？
• RQ4 高斯模空间上的哪些交集理论不变量计算了 ML-次数？
• RQ5 能否从该几何框架中推导出 ML-次数的显式公式？

主要发现

• 线性浓度模型的最大似然次数等于拉格朗日子流形上 ${\mathbb C}^*$ 轨道的高斯模空间上的一个交集数。
• 高斯模空间被引入为 ${\mathbb C}^*$ 作用轨道空间的光滑、紧致且几何自然的紧致化。
• 高斯模空间被识别为单纯形变体的对称矩阵类比，后者用于紧致化对角矩阵的轨道。
• 推导出 ML-次数的显式公式，尽管由于交集理论计算的复杂性，其计算量较大。
• 该构造为 ML-次数提供了关于对称矩阵模空间与群作用的新几何解释。