用于逆协方差估计的广义伪似然方法
统计方法学
2016-10-17 v2
摘要
我们引入PseudoNet，一种基于伪似然的逆协方差矩阵估计量，其具有许多有用的统计与计算性质。我们通过合成以及真实金融和风电数据的详细实验表明，PseudoNet在估计误差和支持恢复方面优于相关方法，使其非常适合于下游应用，其中获得低估计误差可能很重要。我们还表明，在正则条件下，PseudoNet是一致的。我们的证明假设存在对底层逆协方差矩阵对角项的准确估计；我们还提供了一种两步方法以获得这些估计，即使在高维设置下，这超越了相关方法的证明。与其他基于伪似然的方法不同，我们还表明PseudoNet不会饱和，即，在高维中，PseudoNet估计中非零项的数量没有硬限制。我们提出了一种快速算法以及筛选规则，使得在一系列调谐参数上计算PseudoNet估计变得易于处理。
引用
@article{arxiv.1606.00033,
title = {Generalized Pseudolikelihood Methods for Inverse Covariance Estimation},
author = {Alnur Ali and Kshitij Khare and Sang-Yun Oh and Bala Rajaratnam},
journal= {arXiv preprint arXiv:1606.00033},
year = {2016}
}