Số liệu cho ma trận hiệp phương sai: nhược điểm và điểm mạnh


11

Các số liệu "tốt nhất" cho ma trận hiệp phương sai là gì và tại sao? Rõ ràng với tôi rằng Frobenius & c không phù hợp và các tham số góc cũng có vấn đề của họ. Theo trực giác người ta có thể muốn một sự thỏa hiệp giữa hai điều này, nhưng tôi cũng muốn biết liệu có những khía cạnh khác cần ghi nhớ và có thể các tiêu chuẩn được thiết lập tốt.

Các số liệu phổ biến có nhiều nhược điểm khác nhau vì chúng không tự nhiên đối với ma trận hiệp phương sai, ví dụ: chúng thường không đặc biệt xử phạt các ma trận không PSD hoặc không hành xử xếp hạng tốt (xem xét hai hình elip hiệp phương bậc thấp được xoay vòng: -rank xoay trung gian để có khoảng cách thấp hơn trung bình thành phần, đó không phải là trường hợp với và có thể là Frobenius, vui lòng sửa cho tôi ở đây). Ngoài ra độ lồi không phải lúc nào cũng được đảm bảo. Sẽ tốt hơn khi thấy những vấn đề này và các vấn đề khác được giải quyết bằng một số liệu "tốt".L1

Dưới đây là một cuộc thảo luận tốt về một số vấn đề, một ví dụ từ tối ưu hóa mạngmột từ tầm nhìn máy tính . Và đây là một câu hỏi tương tự nhận được một số số liệu khác nhưng không cần thảo luận.


2
Mục đích của số liệu bạn tìm kiếm là gì? Đối với số liệu Frobenius không phù hợp là gì?
whuber

1
@whuber: Tôi muốn có một cái nhìn tổng quan nói chung trước khi áp đặt quá nhiều ràng buộc. Lĩnh vực của tôi là tài chính lượng tử, nơi hầu hết mọi người gắn bó với Frobenius vì đơn giản. Các số liệu phổ biến có nhiều nhược điểm khác nhau vì chúng không tự nhiên đối với ma trận hiệp phương sai, ví dụ: chúng không đặc biệt xử phạt các ma trận không PSD và không hành xử xếp hạng wrt tốt (nghĩ về hai ellipsoids xếp hạng thấp xoay vòng: Tôi muốn xoay vòng trung gian cùng cấp để có khoảng cách thấp hơn mức trung bình theo thành phần, đó không phải là trường hợp của và có thể là Frobenius nếu tôi không nhầm). Đã thêm một vài liên kết. L1
Quartz

Làm thế nào là câu hỏi cuối cùng mà bạn tham khảo "hạn chế hơn"? Rốt cuộc, tất cả các ma trận hiệp phương sai đều đối xứng. Nó dường như là một bản sao hoàn hảo.
whuber

1
Đó là một lời chỉ trích tốt cho câu hỏi khác. Tôi có thể đề nghị bạn chỉnh sửa câu hỏi của bạn (và tiêu đề) để phản ánh nội dung bình luận cuối cùng của bạn không? Điều đó sẽ phân biệt rõ ràng với bản sao rõ ràng và người trả lời giúp bạn trả lời thích hợp hơn. (Và đừng lo lắng về các chỉnh sửa cho câu hỏi của riêng bạn: điều đó được mong đợi; chủ đề meta chủ yếu là về chỉnh sửa cộng đồng .)
whuber

1
@kjetilbhalvorsen Đó là một câu khiêu khích! Bạn có thể mở rộng trong một câu trả lời? Hoặc cung cấp một tài liệu tham khảo bài viết?
Sycorax nói Phục hồi lại

Câu trả lời:


2

Chà, tôi không nghĩ có một số liệu hay "cách tốt nhất" để phân tích ma trận hiệp phương sai. Việc phân tích phải luôn luôn phù hợp với mục tiêu của bạn. Giả sử C là ma trận hiệp phương sai của tôi. Đường chéo chứa phương sai cho từng tham số được tính toán. Vì vậy, nếu bạn quan tâm đến ý nghĩa tham số thì dấu vết (C) là một khởi đầu tốt vì đó là hiệu suất tổng thể của bạn.

Nếu bạn vẽ tham số của bạn và tầm quan trọng của chúng, bạn có thể thấy một cái gì đó như thế này:

x1 =  1.0 ±  0.1 
x2 = 10.0 ±  5.0
x3 =  5.0 ± 15.0 <-- non-significant parameter

Nếu bạn quan tâm đến mối tương quan lẫn nhau của họ thì một bảng như vậy có thể mang lại một điều thú vị:

x1  1.0
x2  0.9  1.0
x3 -0.3 -0.1  1.0
    x1    x2   x3

Mỗi phần tử là hệ số tương quan giữa tham số xi và xj. Từ ví dụ, có thể thấy rằng tham số x1 và x2 có mối tương quan cao.


1

Câu hỏi thú vị, tôi đang vật lộn với cùng một vấn đề tại thời điểm này! Nó phụ thuộc vào cách bạn xác định 'tốt nhất', tức là bạn đang tìm kiếm một giá trị trung bình duy nhất cho mức chênh lệch hoặc cho mối tương quan giữa dữ liệu, v.v. Tôi tìm thấy trong Press, SJ (1972): Phân tích đa biến ứng dụng, p. 108 rằng phương sai tổng quát, được định nghĩa là yếu tố quyết định của ma trận hiệp phương sai, là hữu ích như một thước đo duy nhất cho sự lây lan. Nhưng nếu đó là mối tương quan mà bạn đang theo đuổi, tôi sẽ cần phải suy nghĩ xa hơn. Cho tôi biết.


3
Xin vui lòng tham khảo.
Nick Cox
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.