用于似然自由推断的最大均值差异的最优加权估计量
统计方法学
2023-05-11 v4 统计计算
机器学习
摘要
似然自由推断方法通常利用模拟数据与真实数据之间的距离。一个常见例子是最大均值差异（MMD），其此前已用于近似贝叶斯计算、最小距离估计、广义贝叶斯推断以及非参数学习框架中。MMD 通常以 root- 速率估计，其中 为模拟样本数。这可能导致显著的计算挑战，因为需要较大的 以获得准确估计，而这对参数估计至关重要。本文中，我们提出一种具有显著改善样本复杂度的 MMD 新估计量。该估计量特别适用于具有低到中维输入且计算代价高的平滑模拟器。该主张通过理论结果及在基准模拟器上的广泛模拟研究得到支持。
引用
@article{arxiv.2301.11674,
title = {Optimally-Weighted Estimators of the Maximum Mean Discrepancy for Likelihood-Free Inference},
author = {Ayush Bharti and Masha Naslidnyk and Oscar Key and Samuel Kaski and François-Xavier Briol},
journal= {arXiv preprint arXiv:2301.11674},
year = {2023}
}