面向大样本量向量变量的快速条件独立性检验
机器学习
2018-04-10 v1 人工智能
机器学习
其他统计学
摘要
我们提出并评估了快速（条件）独立性检验（FIT）——一种非参数条件独立性检验。该检验基于如下思想：当时，只要也是回归量，作为预测的特征便无用处；反之，若，可能改善预测结果。FIT适用于千维随机变量与十万样本，所需时间仅为替代方法的一小部分。我们提供了将FIT与六种现有非参数独立性检验比较的广泛评估。评估显示，与其他检验相比，FIT犯第一类与第二类错误的概率均较低，尤其随着可用样本量增长。我们对FIT的实现已公开可用。
引用
@article{arxiv.1804.02747,
title = {Fast Conditional Independence Test for Vector Variables with Large Sample Sizes},
author = {Krzysztof Chalupka and Pietro Perona and Frederick Eberhardt},
journal= {arXiv preprint arXiv:1804.02747},
year = {2018}
}