严格适当核评分规则与核散度及其在核双样本假设检验中的应用
机器学习
2017-04-25 v2
摘要
我们在再生核希尔伯特空间中研究严格适当评分规则。我们提出一种通用的核评分规则及相关的核散度。我们考量核评分严格适当的条件。随后我们证明核评分将最大均值差异作为特例包含在内。我们还考虑了核评分与适当损失函数最小风险之间的联系。我们表明，与最大均值差异相比，核评分包含了更多关于投影嵌入分布的信息。最后，我们展示了如何利用单类分类器整合不同核散度（如所提出的巴塔查里雅核散度）提供的信息，以改善双样本假设检验结果。
引用
@article{arxiv.1704.02578,
title = {Strictly Proper Kernel Scoring Rules and Divergences with an Application to Kernel Two-Sample Hypothesis Testing},
author = {Hamed Masnadi-Shirazi},
journal= {arXiv preprint arXiv:1704.02578},
year = {2017}
}
备注
30 pages, 3 figures