两类高斯混合总变分距离的下界
概率论
2022-03-11 v2 信息论
机器学习
math.IT
统计理论
统计理论
摘要
高维高斯分布混合在统计学与学习理论中已被广泛研究。尽管总变分距离自然地出现在分布学习的样本复杂度中，但为其混合模型解析地给出紧下界是困难的。利用总变分距离与混合模型特征函数之间的联系，我们提供了相当紧的函数逼近。这使我们能够推导出具有共享协方差矩阵的两分量高斯混合对之间总变分距离的新下界。
引用
@article{arxiv.2109.01064,
title = {Lower Bounds on the Total Variation Distance Between Mixtures of Two Gaussians},
author = {Sami Davies and Arya Mazumdar and Soumyabrata Pal and Cyrus Rashtchian},
journal= {arXiv preprint arXiv:2109.01064},
year = {2022}
}
备注
22 pages, 1 figure; Accepted to ALT 2022