균형 없는 데이터에서도 정확한 MMD 분산 추정과 O(n log n) 가속화

초록

본 논문은 최대 평균 차이(MMD) 통계량의 분산을 U‑통계량과 Hoeffding 분해를 이용해 통합적으로 유도하고, 불균형 샘플링과 영·대립 가설 모두에서 편향 없는 추정식을 제시한다. 또한 일변량 라플라시안 커널에 대해 선형 정렬 기반 전처리를 활용해 분산 계산을 O(n²)에서 O(n log n)으로 정확히 가속화한다.

상세 분석

논문은 먼저 MMD²를 두 개의 단일표본 U‑통계량과 하나의 교차표본 일반화 U‑통계량의 선형 결합으로 표현한다. 이를 기반으로 Hoeffding 분해를 적용해 1차와 2차 투영(g₁, g₂)으로 분산을 정확히 분리한다. 기존 연구는 영가설(퇴화된 U‑통계량)과 대립가설(비퇴화된 U‑통계량)에서 각각 다른 편향 추정식을 제시했으며, 특히 표본 크기가 불균형일 때는 근사적 방법에 의존했다. 저자들은 g₁과 g₂를 각각 X, Y, 그리고 교차항에 대해 명시적으로 계산함으로써, 모든 경우에 대해 동일한 형태의 편향 없는 분산 추정식을 얻는다.

핵심 수식은
\