我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
给定随机向量的i.i.d.观测值X(X)∈ℝ第页,我们研究了其协方差矩阵的估计问题Σ*,及其逆协方差或浓度矩阵θ*=(Σ*)负极1.何时X(X)是多元高斯,非零结构Θ*由相关高斯马尔可夫随机场的图指定;以及这种稀疏性的一种流行估计Θ*是ℓ1-正则高斯最大似然估计。即使对于非高斯情况,此估计也是合理的X(X),因为它对应于最小化ℓ1-惩罚的对数决定Bregman散度。我们分析了它在高维缩放下的性能,其中图中的节点数量第页、边数秒,以及最大节点度d日,可以随着样本量的增加而增加n个.除参数外(第页,秒,d日),我们的分析确定了控制速率的其他关键量:(a)ℓ∞-真协方差矩阵的算子范数Σ*; 和(b)ℓ∞子矩阵的算子范数Γ*不锈钢,其中S公司为图形边编制索引,以及Γ*=(Θ*)负极1⊗(Θ*)负极1; 和(c)矩阵上的互不相干或不可表示测度Γ*和(d)衰变率1/(f)(n个,δ)关于概率{|Σ̂n个ij公司负极Σ*ij公司|>δ},其中Σ̂n个是基于的样本协方差n个样品。我们的第一个结果确立了我们估计的一致性Θ̂在元素最大范数中。这反过来又允许我们导出Frobenius和谱范数的收敛速度,改进了最大节点度$d=o(\sqrt{s})$的图的现有结果。在我们的第二个结果中,我们表明当概率收敛到1时,估计值Θ̂正确指定浓度矩阵的零模式Θ*我们通过对各种图形和问题参数的模拟来说明我们的理论结果,显示了理论预测与模拟中的行为之间的良好对应。
普拉迪普·拉维库马尔(Pradeep Ravikumar)。 马丁·J·温赖特。 加维什·拉斯库蒂(Garvesh Raskutti)。 余斌。 "基于最小化的高维协方差估计ℓ1-惩罚对数决定式发散。" 电子。J.统计。 5 935 - 980, 2011 https://doi.org/10.1214/11-EJS631