[论文解读] Unbiased Matrix Rounding

Benjamin Doerr, Tobias Friedrich+2 more|ArXiv.org|Apr 18, 2006

VLSI and Analog Circuit Testing被引用 4

一句话总结

本文提出了一种高效的确定性算法，可将实数矩阵四舍五入为整数矩阵，且所有行和列区间内的四舍五入误差均小于1，而不仅限于完整行和列。该算法的时间复杂度为 O(mn log(mn))，并引入了一种随机化变体，可实现无偏四舍五入，其中每个条目的期望值与原始值一致，从而确保从四舍五入数据中进行可靠统计推断。

ABSTRACT

We show several ways to round a real matrix to an integer one such that the rounding errors in all rows and columns as well as the whole matrix are less than one. This is a classical problem with applications in many fields, in particular, statistics. We improve earlier solutions of different authors in two ways. For rounding matrices of size $m imes n$, we reduce the runtime from $O((m n)^2 Second, our roundings also have a rounding error of less than one in all initial intervals of rows and columns. Consequently, arbitrary intervals have an error of at most two. This is particularly useful in the statistics application of controlled rounding. The same result can be obtained via (dependent) randomized rounding. This has the additional advantage that the rounding is unbiased, that is, for all entries $y_{ij}$ of our rounding, we have $E(y_{ij}) = x_{ij}$, where $x_{ij}$ is the corresponding entry of the input matrix.

研究动机与目标

• 开发一种更快的算法，用于将实数矩阵四舍五入为整数，同时在所有行和列区间内保持有界的四舍五入误差。
• 通过确保误差界不仅适用于完整行/列，也适用于任意初始行和列区间的扩展，来推广经典四舍五入结果。
• 引入一种随机四舍五入方法，保持无偏期望，即对所有条目均有 E[y_ij] = x_ij。
• 在运行时间复杂度和统计效用方面，优于先前方法，适用于数据隐私控制四舍五入的应用。

提出的方法

• 该算法采用基于图的方法，将半整数条目标记为图中的顶点，边表示可交替四舍五入为0和1以保持区间和的条对。
• 通过每行维护奇偶性和指针结构，高效检测并处理半整数条目图中的环。
• 四舍五次过程将图中的每个环替换为交替的0-1序列，确保区间内部分和保持在误差界内。
• 对于随机化版本，每个环独立地以相等概率分配两种交替序列之一，从而确保无偏期望。
• 该方法结合按位四舍五入与递归分解，分别处理小数部分的每一位，并对子矩阵递归应用四舍五入。
• 该算法在确定性四舍五入中运行时间为 O(mn log(mn))，在随机化四舍五入中运行时间为 O(mnℓ)，其中 ℓ 为小数条目的位长。

实验结果

研究问题

• RQ1 是否可以在保持所有初始行和列区间内误差界的同时，以亚二次时间完成矩阵四舍五入？
• RQ2 能否设计一种四舍五入方案，确保所有条目及其部分和的期望值无偏？
• RQ3 如何不仅对完整行和列，也对连续条目的任意区间，实现四舍五入误差的有界控制？
• RQ4 能否构建一种随机四舍五入方法，同时保持误差界和统计无偏性？
• RQ5 在统计应用中，矩阵四舍五入的计算效率与误差控制之间，最优权衡是什么？

主要发现

• 确定性算法在 O(mn log(mn)) 时间内完成四舍五入，优于先前的 O((mn)^2) 时间复杂度。
• 四舍五入确保所有行和列初始区间的部分和误差严格小于1。
• 随机化算法实现无偏四舍五入，即对所有条目均有 E[y_ij] = x_ij，且对所有部分行和列和也保持无偏。
• 随机化四舍五入的运行时间为 O(mnℓ)，其中 ℓ 为小数条目的位长，适用于高精度输入。
• 该方法保证任意区间和的误差至多为2，显著优于先前仅对完整行和完整列误差有界的方案。
• 该方法适用于统计中的控制四舍五入，可从四舍五入数据中可靠估计子总计（如年龄组）并保持有界误差。