セミパラメトリックKSDテスト:適合度検定のためのスコアベースと距離ベースのアプローチの統合

Research#llm🔬 Research|分析: 2025年12月25日 04:07
公開: 2025年12月24日 05:00
1分で読める
ArXiv Stats ML

分析

このarXiv論文は、適合度検定のための新しいセミパラメトリックカーネル化されたStein discrepancy(SKSD)テストを紹介しています。主な革新は、スコアベースと距離ベースのGoFテストの間のギャップを埋め、古典的な距離ベースの方法をスコアベースの構築として再解釈することにあります。SKSDテストは、計算効率を提供し、一般的な迷惑パラメータ推定量に対応し、既存のノンパラメトリックスコアベースのテストの制限に対処します。この論文は、パラメトリックブートストラップ手順によってサポートされている、SKSDテストの普遍的な一貫性とピットマン効率を主張しています。この研究は、特に扱いにくい尤度を持つが扱いやすいスコアを持つモデルに対して、モデルの妥当性を評価するためのより汎用的で効率的なアプローチを提供するため、重要です。
引用・出典
原文を見る
"Building on this insight, we propose a new nonparametric score-based GoF test through a special class of IPM induced by kernelized Stein's function class, called semiparametric kernelized Stein discrepancy (SKSD) test."
A
ArXiv Stats ML2025年12月24日 05:00
* 著作権法第32条に基づく適法な引用です。