高维稀疏精度矩阵的有效分布式估计  

Efficient Distributed Estimation of High-Dimensional Sparse Precision Matrix

作　　者：王冠鹏 黄旭东[1,2] 

机构地区：[1]安徽师范大学数学计算机科学学院,芜湖241002 [2]上海财经大学统计与管理学院,上海200433

出　　处：《系统科学与数学》2017年第11期2271-2280,共10页Journal of Systems Science and Mathematical Sciences

基　　金：国家自然科学基金(71601003;11501009);全国统计科学研究重点项目(2015LZ54);安徽省自然科学基金面上项目(1708085MG173);安徽省高校自然科学重点基金项目(KJ2016A278)资助课题

摘　　要：基于去偏的D-trace损失Lasso惩罚方法和阈值方法给出了数据分布在不同机器上高维稀疏精度矩阵的分布式估计.该方法不仅可以实现稀疏精度矩阵的非零元素正确选择,而且误差速率同非分布式估计相当.数值结果进一步表明该方法的有效性.In this paper, distributed estimation of high-dimensional sparse precision matrix is proposed based on the debiased D-trace loss Lasso penalty method and the threshold method when samples are distributed into different machines. This method achieves the correct selection of non-zero elements of sparse precision matrix, and the error rates can be comparable with estimation in a non-distributed setting. The numerical results further demonstrate that the method is effective.

关 键 词：分布式估计 去偏估计量 稀疏精度矩阵 D-trace损失 窗宽 

分 类 号：O212.1[理学—概率论与数理统计]