基于最优传输的分布式双样本检测：集成化传输距离框架
统计方法学
2025-06-23 v1 统计理论
应用统计
统计计算
机器学习
统计理论
摘要
本文提出了一种用于分布式双样本检测的新框架，基于集成传输距离（ITD），这是一种对最优传输距离的扩展。该方法旨在解决在去中心化学习或联邦学习环境中检测分布式变化的挑战，其中数据隐私和异构性是重要关注问题。我们提供了 ITD 的理论基础，包括收敛性和渐近行为。提出了一种分块置换检验程序，用于在分布式设置中进行实际实现，能够在保持数据隐私的同时实现高效计算。通过理论功率分析和大量模拟实验，展示了该框架的性能，显示在 various 分布和维度下都能稳健地控制 Type I 错误率，并表现出高功率。结果表明，ITD 能够有效地整合分布式客户之间的信息，检测可能在单独检查各客户时被忽略的细微分布性变化。该工作为分布式统计推断领域的发展贡献了一项强大的工具，可用于现代去中心化数据环境中的双样本检测。
引用
@article{arxiv.2506.16047,
title = {Leveraging Optimal Transport for Distributed Two-Sample Testing: An Integrated Transportation Distance-based Framework},
author = {Zhengqi Lin and Yan Chen},
journal= {arXiv preprint arXiv:2506.16047},
year = {2025}
}