In this article, we propose a class of test statistics for a change point in the mean of high-dimensional independent data. Our test integrates the U-statistic based approach in a recent work by \cite{hdcp} and the $L_q$-norm based high-dimensional test in \cite{he2018}, and inherits several appealing features such as being tuning parameter free and asymptotic independence for test statistics corresponding to even $q$s. A simple combination of test statistics corresponding to several different $q$s leads to a test with adaptive power property, that is, it can be powerful against both sparse and dense alternatives. On the estimation front, we obtain the convergence rate of the maximizer of our test statistic standardized by sample size when there is one change-point in mean and $q=2$, and propose to combine our tests with a wild binary segmentation (WBS) algorithm to estimate the change-point number and locations when there are multiple change-points. Numerical comparisons using both simulated and real data demonstrate the advantage of our adaptive test and its corresponding estimation method.


翻译:在本篇文章中,我们为高维独立数据平均值的变化点建议了一组测试统计数据。我们的测试将U-统计基础方法纳入到\ cite{hdcp}和$_q$-norm基于在\cite{he2018}中的高维测试的近期工作中,并继承了几个吸引人的特征,例如对参数进行免费调试,对测试统计数据进行无线和无线独立,与美元相对应。与若干不同的美元相对应的测试统计数据简单结合,导致对适应性能量属性进行测试,也就是说,对稀有和密集的替代品都具有强大的影响力。在估算前,我们获得了我们测试统计数据最大化的趋同率,按样本大小标准化,当平均值有一个变化点和$q=2美元时,我们建议将我们的测试与野生二分解算法结合起来,以估计变化点数和多点时的位置。使用模拟数据和实际数据进行的数字比较,显示了我们适应性测试及其相应估算方法的优势。

0
下载
关闭预览

相关内容

专知会员服务
141+阅读 · 2021年3月17日
剑桥大学《数据科学: 原理与实践》课程,附PPT下载
专知会员服务
49+阅读 · 2021年1月20日
多标签学习的新趋势(2020 Survey)
专知会员服务
41+阅读 · 2020年12月6日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
数据科学导论,54页ppt,Introduction to Data Science
专知会员服务
41+阅读 · 2020年7月27日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
已删除
架构文摘
3+阅读 · 2019年4月17日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Arxiv
0+阅读 · 2021年3月22日
Arxiv
0+阅读 · 2021年3月21日
VIP会员
相关VIP内容
专知会员服务
141+阅读 · 2021年3月17日
剑桥大学《数据科学: 原理与实践》课程,附PPT下载
专知会员服务
49+阅读 · 2021年1月20日
多标签学习的新趋势(2020 Survey)
专知会员服务
41+阅读 · 2020年12月6日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
数据科学导论,54页ppt,Introduction to Data Science
专知会员服务
41+阅读 · 2020年7月27日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
相关资讯
已删除
架构文摘
3+阅读 · 2019年4月17日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Top
微信扫码咨询专知VIP会员