Archimax Copula 的推断与采样

在诸多应用中，理解分布主体与尾部的多元依赖关系是一个重要问题，例如确保算法对 infrequent 但具有灾难性影响的观测具有鲁棒性。Archimax copula 是一类具有精确表示的分布族，可同时对分布的主体与尾部进行建模。不同于实践中通常将二者分离的做法，融入来自主体的额外信息可改善在观测有限的尾部的推断。基于 Archimax copula 的随机表示，我们提出了一种非参数推断方法与采样算法。据我们所知，所提方法是首个能够实现高度灵活且可扩展的推断与采样算法的方法，从而促进了 Archimax copula 在实际场景中的更广泛应用。我们通过实验与最先进的密度建模技术进行比较，结果表明所提方法在扩展到高维数据的同时，能有效外推至尾部。我们的发现表明，所提算法可用于多种需要理解分布主体与尾部相互作用的应用中，例如医疗与安全。