新的核检验通过聚焦关键方向来提高统计功效

研究人员开发了一种新的基于核的统计检验方法，该方法改进了现有的最大均值差异（MMD）等方法。这种新颖的方法截断了MMD的光谱分解，专注于鲁棒的主导特征方向，同时丢弃了噪声分量。该方法在处理高维和不平衡数据集时，表现出优越的功效和鲁棒性，同时保持严格的I类错误控制。此外，它引入了一种计算效率高的参数自举程序来近似临界值，为基于置换的方法提供了一种更快的替代方案。 AI

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。[lever_c_demoted from research: ic=1 ai=0.4]

在 arXiv stat.ML 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• Kernel Two-Sample Testing via Directional Components Analysis
• Maximum Mean Discrepancy
• reproducing kernel Hilbert space
• ScienceCast
• Yuhao Li

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →