基于 Hermite 级数估计量的 Spearman 秩相关的序贯估计

在本文中，我们描述了一种基于 Hermite 级数的 Spearman 秩相关系数序贯估计量，并提供了适用于平稳和非平稳设置的算法。为处理非平稳设置，我们引入了一种新颖的指数加权 Spearman 秩相关估计量，其允许跟踪二元数据流局部的的非参数相关。据我们所知，这是首个不依赖于滑动窗口方法来估计时变 Spearman 秩相关的算法。我们通过真实数据和模拟研究探讨了基于 Hermite 级数的估计量的实际有效性，展示了良好的实际性能。特别是模拟研究揭示了与现有算法相比具有竞争力的性能。本工作的潜在应用是多方面的。基于 Hermite 级数的 Spearman 秩相关估计量可应用于快速且鲁棒的在线相关计算，该相关可能随时间变化。可能的机器学习应用包括但不限于大规模数据集上的快速特征选择和层次聚类。