依赖度量的公平性
摘要：两个随机变量之间的依赖性测量是非常重要的，对于变量选择、大脑网络分析等应用领域至关重要。然而，我们不知道两个协变量之间是什么样的函数关系，这就要求依赖性测量具有公平性。也就是说，它应该对不同类型的同样嘈杂关系给出相似的分数。事实上，依赖性分数是一个连续的随机变量，取值范围在[0,1]之间，因此在理论上不可能给出相似的分数。在本文中，我们引入了依赖性测量的新定义，即功效公平性（弱公平性），并通过模拟表明HHG和Copula依赖系数（CDC）具有弱公平性。
作者：Hangjin Jiang, Kan Liu, Yiming Ding
论文ID：1501.02102
分类：Machine Learning
分类简称：stat.ML
提交时间：2018-07-12