A Review on Wasserstein Regression in Comparison with Regression Models for Density Data and Manifold-valued Data = 확률밀도함수 자료와 다양체 자료에서의 회귀 모형과 비교한 Wasserstein 회귀 모형의 재검토 연구
저자
발행사항
서울 : 서울대학교 대학원, 2022
학위논문사항
학위논문(석사)-- 서울대학교 대학원 : 통계학과 2022. 2
발행연도
2022
작성언어
영어
주제어
DDC
519.5
발행국(도시)
서울
형태사항
ii, 38 ; 26 cm
일반주기명
지도교수: 박병욱
UCI식별코드
I804:11032-000000170674
DOI식별코드
소장기관
Functional data analysis (FDA) and functional regression are significant fields of statistics that deal with functional data. Linear functional regression models are popular and powerful tools for functional regression, but they cannot be directly applied to functional responses that do not form a linear space, such as density-valued data. On the other hand, the space of probability density functions can be interpreted as a Riemannian manifold. Wasserstein regression is recently devised to solve density-to-density regression problems and can be understood in comparison with researches in two relevant areas, density regression and manifold-valued data regression. In this review paper, we aim to follow previous challenges for density regression and manifold-valued data regression and understand characteristics of Wasserstein regression in comparison with its precedent researches. We will discuss improvements made by Wasserstein regression. We will also discuss ideas and difficulties that we encounter when we deal with manifold-valued data.
더보기함수형 자료 분석과 함수형 자료 회귀 분석은 통계학의 중요한 분야이다. 선형 함수형 자료 회귀 모형은 이론과 실용성 측면에서 성공적인 모형이지만, 확률밀도함수들의 공간과 같이 반응 변수들의 공간이 선형 공간이 아닌 경우 직접적으로 적용할 수 없다는 한계가 있다. 한편 확률 밀도 함수들의 공간은 리만 다양체로도 해석될 수 있다. Wasserstein 회귀 모형은 확률밀도함수-확률밀도함수 회귀 분석을 위해 고안된 방법이며, 관련 분야인 밀도 함수 회귀 분석과 다양체 값 자료 회귀 분석의 선행 연구들과의 비교를 통해 이해할 수 있다. 본 논문에서는 본 논문에서는 확률밀도함수 회귀 분석과 다양체 값 자료 회귀 분석의 발전 과정을 살펴보고, Wasserstein 회귀 모형의 특징을 이 두가지 분야와 비교하여 이해한다. 본 논문은 밀도 함수 회귀 분석에 대한 선행 연구와 비교하여 Wasserstein 회귀 모형이 개선한 점을 논의한다. 또한 다양체 값 자료 회귀 분석에서 사용될 수 있는 방법론들과 그 방법론을 적용할 때 해결해야 할 어려움에 대해서 논의한다.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)