Computational Implications of Reducing Data to Sufficient Statistics

Computational Implications of Reducing Data to Sufficient Statistics
复制标题

将数据简化为充分统计的计算意义

DOI：
10.1214/15-ejs1059
复制
发表时间：
2014
期刊：
ArXiv
影响因子：
--
通讯作者：
A. Montanari
A. Montanari
中科院分区：
--
文献类型：
--
作者：
A. Montanari

文献摘要

被引文献

相似文献

给定一个大的数据集和一个估计任务，通常通过将数据减少到一组足够的统计数据来预处理数据。这一步骤通常被认为是直接和有利的（因为它简化了统计分析）。我表明，-相反-减少数据，以充分的统计数据可以改变一个计算上容易处理的估计问题成为一个棘手的。我将讨论与理论计算机科学的最新工作的联系，以及对一些估计图形模型的技术的影响。
Given a large dataset and an estimation task, it is common to pre-process the data by reducing them to a set of sufficient statistics. This step is often regarded as straightforward and advantageous (in that it simplifies statistical analysis). I show that -on the contrary- reducing data to sufficient statistics can change a computationally tractable estimation problem into an intractable one. I discuss connections with recent work in theoretical computer science, and implications for some techniques to estimate graphical models.