[论文解读] Projected Statistical Methods for Distributional Data on the Real Line with the Wasserstein Metric

M. Pegoraro, Mario Beraha|arXiv (Cornell University)|Jan 22, 2021

Anomaly Detection Techniques and Applications被引用 7

一句话总结

本文提出了一种基于2- Wasserstein 距离的投影统计方法，用于在实直线上分析分布数据，通过B样条逼近实现到线性空间的度量投影。该方法实现了快速、一致的PCA与回归，相较于先前方法在模型误设下具有更优的计算效率和鲁棒性。

ABSTRACT

We present a novel class of projected methods, to perform statistical analysis on a data set of probability distributions on the real line, with the 2-Wasserstein metric. We focus in particular on Principal Component Analysis (PCA) and regression. To define these models, we exploit a representation of the Wasserstein space closely related to its weak Riemannian structure, by mapping the data to a suitable linear space and using a metric projection operator to constrain the results in the Wasserstein space. By carefully choosing the tangent point, we are able to derive fast empirical methods, exploiting a constrained B-spline approximation. As a byproduct of our approach, we are also able to derive faster routines for previous work on PCA for distributions. By means of simulation studies, we compare our approaches to previously proposed methods, showing that our projected PCA has similar performance for a fraction of the computational cost and that the projected regression is extremely flexible even under misspecification. Several theoretical properties of the models are investigated and asymptotic consistency is proven. Two real world applications to Covid-19 mortality in the US and wind speed forecasting are discussed.

研究动机与目标

• 在2-Wasserstein度量下解决实直线上概率分布的统计分析挑战。
• 克服现有方法的局限性，如可解释性差、数值不稳定性以及高计算成本。
• 为分布数据的PCA与回归开发快速、经验高效且渐近一致的方法。
• 使实际应用成为可能，例如新冠死亡率分析与风速预测。

提出的方法

• 基于弱黎曼结构的切空间表示，将分布从Wasserstein空间映射到线性空间。
• 应用度量投影将结果约束回Wasserstein空间，确保几何保真度。
• 使用约束B样条逼近表示分位数函数，实现快速经验计算。
• 通过投影到由B样条基函数张成的有限维子空间来制定PCA与回归。
• 优化切点选择以提升计算速度与数值稳定性。
• 在正则性条件下推导PCA与回归的理论一致性结果。

实验结果

研究问题

• RQ1 投影方法是否能在显著降低计算成本的同时，实现与内在测地线PCA相当的性能？
• RQ2 所提出方法如何处理集中在Wasserstein空间边界附近的数据，例如具有不连续分位数函数的分布？
• RQ3 在模型误设下，投影PCA在可解释性与重构精度方面保持程度如何？
• RQ4 主成分的维度在投影框架中如何影响得分的可解释性与稳定性？
• RQ5 该框架能否扩展至回归任务？与现有基于Wasserstein的回归模型相比表现如何？

主要发现

• 投影PCA的重构误差与测地线PCA相当，但计算成本仅为后者的几分之一。
• 在正则性条件下，该方法对PCA与回归均表现出渐近一致性。
• 当使用β⋆₁生成数据时，若J ≥ 20个基函数，重构误差可降至10⁻⁴以下。
• 当使用β⋆₂时，需J = 100个基函数才能达到相同的误差阈值。
• 在数据接近Wasserstein空间边界的一个病态情形中，可解释性评分（ISk）在k ≥ 3时降至零，表明低方差分量的方向可解释性存在局限。
• 所有k值下，鬼方差（GVk）均低于10⁻¹⁰，表明即使在复杂配置下，投影仍保持稳定且方差极低。