×
吴泽瑜;王成;刘伟东

在弱稀疏条件下，基于稀疏列逆算子的统一精度矩阵估计框架。 （英语） 兹伯利07712155

Ann.Inst.Stat.数学。 75，第4号，619-648（2023）.
摘要：在本文中，我们在弱稀疏条件下估计了高维精度矩阵，其中许多条目几乎为零。我们重新讨论了稀疏列逆算子估计，并在弱稀疏条件下导出了其一般误差界。建立了一个统一的框架来处理各种情况，包括重尾数据、非异常数据和矩阵变量数据。这些新方法可以实现与现有方法相同的收敛速度，并且可以有效地实现。

MSC公司：

62至XX 统计

关键词：

高斯图形模型;高维数据;拉索;精度矩阵;弱稀疏性

软件：

玻璃制品
PDF格式BibTeX公司 XML格式引用
\textit{Z.Wu}等人，《Ann.Inst.Stat.Math.》。75，第4号，619--648（2023；Zbl 07712155）
全文： DOI程序 arXiv公司

参考文献：

[1] Avella-Medina，M。；HS电池；范，J。；Li，Q.，高维协方差和精度矩阵的稳健估计，Biometrika，105，2，271-284（2018）·Zbl 07072412号 ·doi:10.1093/biomet/asy011
[2] PJ Bickel；Levina，E.，通过阈值进行协方差正则化，《统计年鉴》，36，6，2577-2604（2008）·Zbl 1196.62062号 ·doi:10.1214/08-AOS600
[3] PJ Bickel；Ritov，Y。；Tsybakov，AB，《套索和Dantzig选择器的同时分析》，《统计年鉴》，37，4，1705-1732（2009）·Zbl 1173.62022号 ·doi:10.1214/08-AOS620
[4] 博伊德，S。；北卡罗来纳州帕里赫。；朱，E。；佩莱托，B。；Eckstein，J.，《通过交替方向乘数法进行分布式优化和统计学习》，《机器学习的基础和趋势》，3，1，1-122（2011）·兹比尔1229.90122 ·doi:10.1561/220000016
[5] Cai，T.，高维协方差结构的全球检验和大规模多重检验，《统计及其应用年鉴》，第4423-446页（2017）·doi:10.1146/annurev-statistics-060116-053754
[6] 蔡，T。；Liu，W.，稀疏协方差矩阵估计的自适应阈值，美国统计协会杂志，106，494，672-684（2011）·Zbl 1232.62086号 ·doi:10.1198/jasa.2011.tm10560
[7] 蔡，T。；刘伟。；Luo，X.，稀疏精度矩阵估计的约束（ell_1）最小化方法，美国统计协会杂志，106，494，594-607（2011）·Zbl 1232.62087号 ·doi:10.1198/jasa.2011.tm10155
[8] 蔡，TT；刘伟。；Xia，Y.，依赖性下高维均值的两样本检验，《皇家统计学会杂志》，B辑，76，2，349-372（2014）·Zbl 07555454号 ·doi:10.1111/rssb.12034
[9] 蔡，TT；刘伟。；周，HH，估计稀疏精度矩阵：最优收敛速度和自适应估计，《统计年鉴》，44，2，455-488（2016）·兹比尔1341.62115 ·doi:10.1214/13-AOS1171
[10] 蔡，TT；任，Z。；Zhou，HH，估计结构化高维协方差和精度矩阵：最优速率和自适应估计，电子统计学杂志，10，1，1-59（2016）·Zbl 1331.62272号
[11] 坎迪斯，E。；Tao，T.，《Dantzig选择器：当（p）远大于（n）时的统计估计》，《统计年鉴》，35，6，2313-2351（2007）·Zbl 1139.62019号
[12] Datta，A。；Zou，H.，Cocolasso，用于高维变量误差回归，《统计年鉴》，45，6，2400-2426（2017）·Zbl 1486.62210号 ·doi:10.1214/16-AOS1527
[13] El Karoui，N.，《大维稀疏协方差矩阵的算子范数一致性估计》，《统计年鉴》，36，6，2717-2756（2008）·Zbl 1196.62064号
[14] 范，J。；Feng，Y。；Tong，X.，《高维空间分类之路：正则化最优仿射判别法》，《皇家统计学会杂志》，B辑，74，4，745-771（2012）·Zbl 1411.62167号 ·文件编号：10.1111/j.1467-9868.2012.01029.x
[15] 范，J。；Liao，Y。；Liu，H.，大协方差和精度矩阵估计概述，《计量经济学杂志》，1，19，C1-C32（2016）·Zbl 1521.62083号 ·doi:10.1111/ectj.12061
[16] 弗里德曼，J。；哈斯蒂，T。；Tibshirani，R.，用图形套索进行稀疏逆协方差估计，生物统计学，9，3，432-441（2008）·兹比尔1143.62076 ·doi:10.1093/biostatistics/kxm045
[17] 哈斯蒂，T。；Tibshirani，R。；Tibshirani，R.，最佳子集，向前分步还是套索？基于广泛比较的分析和建议，《统计科学》，35，4，579-592（2020）·Zbl 07307187号
[18] 霍恩斯坦，M。；右风扇。；谢登，K。；Zhou，S.，无重复矩阵变量数据的联合均值和协方差估计，美国统计协会杂志，114，526，682-696（2019）·Zbl 1420.62246号 ·doi:10.1080/01621459.2018.1429275
[19] 冷，C。；Tang，CY，稀疏矩阵图形模型，美国统计协会杂志，107，499，1187-1200（2012）·Zbl 1443.62194号 ·doi:10.1080/01621459.2012.706133
[20] 李，X。；Zhao，T。；袁，X。；Liu，H.，R中高维线性回归和精确矩阵估计的flare包，机器学习研究杂志，16，18，553-557（2015）·Zbl 1337.62007号
[21] 刘，H。；Lafferty，J。；Wasserman，L.，《非paranormal:高维无向图的半参数估计》，《机器学习研究杂志》，2009年10月10日，2295-2328·Zbl 1235.62035号
[22] 刘，H。；Han，F。；袁，M。；Lafferty，J。；Wasserman，L.，高维半参数高斯copula图形模型，《统计年鉴》，40，4，2293-2326（2012）·Zbl 1297.62073号 ·doi:10.1214/12-AOS1037
[23] 刘伟。；Luo，X.，高维快速自适应稀疏精度矩阵估计，多元分析杂志，135，153-162（2015）·Zbl 1307.62148号 ·doi:10.1016/j.jmva.2014.11.005
[24] Mai，Q。；邹，H。；Yuan，M.，超高维稀疏判别分析的直接方法，Biometrika，99，1，29-42（2012）·Zbl 1437.62550号 ·doi:10.1093/biomet/asr066
[25] 明绍森，N。；Bühlmann，P.，《高维图与套索变量选择》，《统计学年鉴》，34，341436-1462（2006）·兹比尔1113.62082 ·doi:10.1214/09053606000000281
[26] Negahban，SN公司；拉维库马尔，P。；温赖特，MJ；Yu，B.，带可分解正则化子的高维估计量分析的统一框架，统计科学，27，4，538-557（2012）·兹比尔1331.62350 ·doi:10.1214/12-STS400
[27] Raskutti，G。；温赖特，MJ；Yu，B.，球上高维线性回归的Minimax估计率，IEEE信息理论汇刊，57，10，6976-6994（2011）·Zbl 1365.62276号 ·doi:10.1109/TIT.2011.2165799
[28] 拉维库马尔，P。；温赖特，MJ；Raskutti，G。；Yu，B.，通过最小化（ell_1）惩罚的对数决定散度进行高维协方差估计，《电子统计杂志》，5935-980（2011）·Zbl 1274.62190号 ·doi:10.1214/11-EJS631
[29] 任，Z。；Sun，T。；张，CH；周，HH，大高斯图形模型估计中的渐近正态性和最优性，《统计年鉴》，43，3，991-1026（2015）·Zbl 1328.62342号 ·doi:10.1214/14-AOS1286
[30] AJ罗斯曼；莱维纳，E。；Zhu，J.，大协方差矩阵的广义阈值，美国统计协会杂志，104，485，177-186（2009）·Zbl 1388.62170号 ·doi:10.1198/jasa.2009.0101
[31] Sun，T。；Zhang，CH，标度稀疏线性回归，Biometrika，99，4，879-898（2012）·Zbl 1452.62515号 ·doi:10.1093/biomet/ass043
[32] Sun，T。；Zhang，CH，带尺度套索的稀疏矩阵反演，机器学习研究杂志，14，1，3385-3418（2013）·Zbl 1318.62184号
[33] Tong，T。；王，C。；Wang，Y.，《高维数据的方差和协方差估计：选择性综述》，威利跨学科评论：计算统计学，6，4，255-264（2014）·doi:10.1002/wics.1308
[34] Wainwright，MJ，使用（ell_1）约束二次规划（Lasso）恢复高维和噪声稀疏性的夏普阈值，IEEE信息理论汇刊，55，5，2183-2202（2009）·Zbl 1367.62220号 ·doi:10.10109/TIT.2009.2016018
[35] MJ Wainwright，《高维统计：非渐近观点》（2019），剑桥：剑桥大学出版社，剑桥·Zbl 1457.62011年 ·doi:10.1017/9781108627771
[36] 王，C。；Jiang，B.，通过惩罚二次损失实现高维精度矩阵估计的高效ADMM算法，计算统计与数据分析，142（2020）·Zbl 1507.62174号 ·doi:10.1016/j.csda.2019.106812
[37] 王，C。；于，Z。；Zhu，L.，关于高维数据的累积切片估计，中国统计，312021223-242（2019）·Zbl 1464.62265号
[38] 王，X。；Yuan，X.，Dantzig选择器的线性化交替方向乘法器方法，SIAM科学计算杂志，34，5，A2792-A2811（2012）·Zbl 1263.90061号 ·数字对象标识代码：10.1137/10833543
[39] 维滕，DM；JH弗里德曼；Simon，N.，《图形套索的新见解和更快计算》，《计算与图形统计杂志》，20，4，892-900（2011）·doi:10.1198/jcgs.2011.11051a
[40] 薛，L。；Zou，H.，高维非正态图形模型的基于正则秩的估计，《统计年鉴》，40，5，2541-2571（2012）·兹比尔1373.62138 ·doi:10.1214/12-AOS1041
[41] Ye，F。；Zhang，CH，Lasso和Dantzig选择器对（ell_q）球损失的最小速率，机器学习研究杂志，11，3519-3540（2010）·兹比尔1242.62074
[42] 袁，M.，基于线性规划的高维逆协方差矩阵估计，机器学习研究杂志，112261-2286（2010）·Zbl 1242.62043号
[43] 袁，M。；Lin，Y.，高斯图形模型中的模型选择和估计，生物统计学，94，1，19-35（2007）·Zbl 1142.62408号 ·doi:10.1093/biomet/asm018
[44] 张，T。；Zou，H.，通过套索惩罚的D轨迹损失进行稀疏精度矩阵估计，Biometrika，101，1，103-120（2014）·Zbl 1285.62063号 ·doi:10.1093/biomet/ast059
[45] 周，S.，双子座：矩阵变量正态实例下的图形估计，《统计年鉴》，42，2，532-562（2014）·Zbl 1301.62054号 ·doi:10.1214/13-AOS1187
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。