$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

ℓ1 추세필터의 변화점 식별에 있어서의 비일치성
An empirical evidence of inconsistency of the ℓ1 trend filtering in change point detection 원문보기

응용통계연구 = The Korean journal of applied statistics, v.35 no.3, 2022년, pp.371 - 384  

유동현 (인하대학교 통계학과) ,  임요한 (서울대학교 통계학과) ,  손원 (단국대학교 정보통계학과)

초록
AI-Helper 아이콘AI-Helper

구간별 상수 구조를 가지는 관측값으로부터 변화점을 식별하기 위해 FLSA가 자주 사용되고 있다. FLSA는 총변동벌점을 이용하기 때문에 평균 수준이 단조성을 가지는 경우에는 변화점 식별에서의 일치성이 보장되지 않는다는 특징이 있다. ℓ1 추세필터는 오차제곱합과 기울기 차이에 대한 ℓ1 벌점의 합을 목적함수로 가지는 구간별 선형 구조 추정방법으로 구간별 선형 구조에서의 변화점을 식별하기 위해 활용할 수 있다. 한편, ℓ1 추세필터의 경우에도 총변동벌점을 이용하므로 FLSA와 마찬가지로 변화점 식별에 있어서 비일치성을 보일 것으로 예상할 수 있는데 이와 관련된 연구는 아직까지 많이 이루어져 있지 않다. 이 연구에서는 모의실험을 통해 구간별 선형 모형에서 변화점을 식별하기 위해 사용되는 ℓ1 추세필터의 비일치성에 대해 살펴본다.

Abstract ▼ AI-Helper 아이콘AI-Helper

The fused LASSO signal approximator (FLSA) can be applied to find change points from the data having piecewise constant mean structure. It is well-known that the FLSA is inconsistent in change points detection. This inconsistency is due to a total-variation denoising penalty of the FLSA. ℓ1 t...

주제어

#${\ell}_1$ 추세필터   #다중변화점   #융합라쏘신호근사기   #일치성  

표/그림 (7)

참고문헌 (11)

  1. Friedman J, Hastie T, Hofling H, and Tibshirani R (2007). Pathwise coordinate optimization. The Annals of Applied Statistics, 1 (2), 302-332. 

  2. Fryzlewicz P (2014). Wild binary segmentation for multiple change-point detection. The Annals of Statistics, 42 (6), 2243-2281. 

    상세보기

  3. Hoefling H (2010). A path algorithm for the fused lasso signal approximator. Journal of Computational and Graphical Statistics, 19 (4), 984-1006. 

    상세보기

  4. Hodrick RJ and Prescott EC (1997). Postwar US business cycles: an empirical investigation. Journal of Money, credit, and Banking, 29 (1), 1-16. 

    상세보기

  5. Kim SJ, Koh K, Boyd S, and Gorinevsky D (2009). ℓ 1 trend filtering. SIAM Review, 51 (2), 339-360. 

  6. Olshen AB, Venkatraman ES, Lucito R, and Wigler M (2004). Circular binary segmentation for the analysis of array-based DNA copy number data. Biostatistics, 5 (4), 557-572. 

  7. Pettitt AN (1979). A non-parametric approach to the change-point problem. Journal of the Royal Statistical Society: Series C (Applied Statistics), 28 (2), 126-135. 

  8. Rojas CR and Wahlberg B (2014). On change point detection using the fused lasso method. arXiv preprint arXiv:1401.5408. 

  9. Son W and Lim J (2019). Modified path algorithm of fused lasso signal approximator for consistent recovery of change points. Jounal of Statistical Planning and Inference, 200, 223-238. 

  10. Tibshirani R, Saunders M, Rosset S, Zhu J, and Knight K (2005). Sparsity and smoothness via the fused lasso. Journal of the Royal Statistical Society: Series B, 67 (1), 91-108. 

  11. Yao YC (1988). Estimating the number of change-points via Schwarz' criterion. Statistics and Probability Letters, 6 (3), 181-189. 

    상세보기

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로