研究人员开发了一种名为鞅核独立性检验（mHSIC 和 mdHSIC）的新统计检验方法，用于有效评估变量的独立性。这种新方法提供了显著的速度提升，比现有的基于排列的检验快 25 到 60 倍，它通过用单次正态分位数查找替换计算密集型的排列步骤来实现。mHSIC 统计量实现了二次成本，并对所有固定替代项保持一致，而 mdHSIC 统计量提供了具有有限样本一致性的线性成本（相对于被测变量的数量）。 AI
影响 引入了一种更快的变量独立性统计检验方法，可能加速依赖此类分析的研究和模型开发。
排序理由 该集群包含一篇详细介绍新统计方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2605.22549v1 Announce Type: new Abstract: The Hilbert-Schmidt Independence Criterion (HSIC) and its joint-independence extension $d\mathrm{HSIC}$ are degenerate $V$-statistics whose data-dependent weighted-$\chi^2$ null limits force a permutation calibration that multiplies…
The Hilbert-Schmidt Independence Criterion (HSIC) and its joint-independence extension $d\mathrm{HSIC}$ are degenerate $V$-statistics whose data-dependent weighted-$χ^2$ null limits force a permutation calibration that multiplies the per-test cost by the number of permutations, i…