Matérn协方差函数的原理是什么?


19

Matérn协方差函数通常在高斯过程中用作核函数。像这样定义

Cν(d)=σ221νΓ(ν)(2νdρ)νKν(2νdρ)

其中是距离函数(例如欧几里得距离),是伽马函数,是第二种修改的Bessel函数,和是正参数。实际上,有很多时间被选择为或。Γ ķ ν ρ ν ν 3dΓKνρνν 53252

很多时候,该内核比“标准高斯”内核更好,因为它“不那么平滑”,但是除此之外,还有其他原因为什么人们更喜欢这种内核?对其表达方式的某些几何直觉,或对看似神秘的公式的某种解释,将受到高度赞赏。

Answers:


18

除了@DahnJahn好的答案外,我想我想再说一下Bessel和gamma函数的来源。达到协方差函数的一个起点是Bochner定理。

定理(波切内尔)的连续静止的函数k(x,y)=k~(|xy|)是正定的,当且仅当 k~被傅立叶变换的有限正措施:

k~(t)=Reiωtdµ(ω)

由此可以推断出Matérn协方差矩阵是傅里叶变换(源)。很好,但这并不能真正告诉我们您如何达到给出的有限正度量。好吧,这是随机过程的(功率)频谱密度。1(1+ω2)p ˚FX1(1+ω2)pf(x)

哪个随机过程?已知具有Matérn协方差函数的随机过程是随机偏微分方程(SPDE) 其中是具有单位方差的高斯白噪声,是Laplace运算符,并且(我认为这是在Cressie和Wikle中)。 κ 2 -Δα / 2 X小号= φ w ^小号Rd

(κ2)α/2X(s)=φW(s),
Δ = ð Σ= 1 2W(s) α=ν+d/2
Δ=i=1d2xi2
α=ν+d/2

为什么选择这种特殊的SPDE /随机过程?起源是在空间统计中,它被认为是最简单和自然的协方差,在中效果很好:R2

指数相关函数在一维上是自然相关,因为它对应于马尔可夫过程。尽管在地统计工作中指数是常见的相关函数,但在二维中这已不再是。Whittle(1954)确定了与拉普拉斯类型的随机微分方程相对应的相关性:

ε

[(t1)2+(t2)2κ2]X(t1,t2)=ϵ(t1,t2)
其中是白噪声。相应的离散晶格过程是二阶自回归。(资源)ϵ

与Matern方程关联的SDE中包括的过程族包括经历布朗运动的粒子速度的 Ornstein-Uhlenbeck模型。更一般地,您可以为每个具有pMatérn族协方差的整数定义过程族的功率谱。这在拉斯穆森和威廉姆斯的附录中。A R p pAR(1)AR(p)p

此协方差函数与Matérn聚类过程无关。

参考文献

Cressie,Noel和Christopher K.Wikle。时空数据的统计信息。约翰·威利父子(John Wiley&Sons),2015年。

Guttorp,Peter和Tilmann Gneiting。“概率统计历史研究XLIX关于Matern相关族。” Biometrika 93.4(2006):989-995。

CE的Rasmussen和CKI高斯机器学习过程的Williams。麻省理工学院出版社,2006年。


2
在一维情况下,具有形状Matern协方差与的正整数是连续时间自回归过程的那顺序的。但是,并非所有模型都具有Matern协方差。p CAR p p CAR p ν=p1/2pCAR(p)pCAR(p)
伊夫

就我而言,这是一个明显的误解,我将更新答案。谢谢!
MachineEpsilon

16

我不知道,但是我发现这个问题非常有趣,这是我经过一番阅读后得到的。

对于某些值,可以将 Matérn协方差函数表示为指数和多项式的乘积。例如: 因此,当,实际上收敛于高斯RBF: 对于,Matérn协方差函数给出绝对指数内核 ν = 5 / 2 ç 5 / 2d = σ 2 1 + νν=5/2ν→交通ÇνLIMν→交通Çνd=σ2EXP-d2

C5/2(d)=σ2(1+5dρ+5d23ρ2)exp(5dρ)
νCν
limνCν(d)=σ2exp(d22ρ2)
c ^ 1 / 2d = σ 2 EXP - dν=1/2
C1/2(d)=σ2exp(dρ)

此外,具有参数的Matérn协方差函数的高斯过程是微的νν1

Rasmussen&Williams(2006)拍摄的照片中可以很好地证明这一点。 CE Rasmussen和CKI Williams,《高斯机器学习过程》,麻省理工学院出版社,2006年,ISBN 026218253X。 c 2006年,麻省理工学院。 www.GaussianProcess.org/gpml

空间数据插值中,斯坦因(他实际上提出了Matérn协方差函数的名称)认为(第30页),高斯协方差函数的无穷微分对物理过程产生了不切实际的结果,因为只观察了一小部分连续的理论上,时空应该产生整个功能。因此,他提出了Matérn版本作为一种概括,可以更实际地匹配物理过程。

摘要

Matérn协方差函数可以看作是高斯径向基函数推广。它甚至包含绝对指数内核,它给出了截然不同的结果,并且由于其有限的可微性(对于有限),因此能够更好地捕获物理过程。ν

至于贝塞尔函数外观的神秘性,我希望看到其背后的进一步直觉,但我想正是因为(渐近)行为使其在这种情况下有用,并导致斯坦因定义Matérn协方差函数。当然,这并不排除就所有理由为何都是正确的观点进行辩论的可能性。ν


1
(+1)我很好奇在Matérn的书pub.epsilon.slu.se/10033/1/中是否对此协方差函数进行了解释或推导?到目前为止,我找不到它。这个协方差函数似乎在Stein的书中占有非常重要的位置,所以我很想知道更多。
MachineEpsilon

@MachineepsilonMatérn是否真的提到/定义了功能?斯坦因的书给我的感觉是,他是那个提出来的人,只以马特恩命名。
Dahn

我不确定,这就是我想要找出的!我会尝试看看的,因为Rasmussen也参考了这本书。
MachineEpsilon
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.