Reliever：缓解变点检测中昂贵模型拟合的负担
统计方法学
2026-05-05 v2 统计理论
统计理论
摘要
变点检测通常依赖于用于最优数据分段的网格搜索策略。当模型拟合本身代价高昂时，在每个候选分段上重复拟合模型占据了主要计算量。现有方法通过剪枝网格来缓解这个问题，从而减少分段数量（以及模型拟合次数）。我们提出Reliever，它直接削减模型拟合次数，并可无缝嵌套于标准网格搜索流程中。Reliever拟合一小批确定性的代理模型，并在适用处复用它们，从而与多种现有算法兼容。对于带变点的高维回归，将Reliever与最优网格搜索方法结合，可得到速率最优（至多相差对数因子）的变点与系数估计量。大量数值实验表明，Reliever能在广泛的高维与非参数模型中快速且准确地检测变点。
引用
@article{arxiv.2307.01150,
title = {Reliever: Relieving the Burden of Costly Model Fits for Changepoint Detection},
author = {Chengde Qian and Guanghui Wang and Changliang Zou},
journal= {arXiv preprint arXiv:2307.01150},
year = {2026}
}