Robust statistical methodology and theory for large-scale data

Información del proyecto

RobustStats

Identificador del acuerdo de subvención: 101019498

DOI

10.3030/101019498

Fecha de la firma de la CE 27 Mayo 2021

Fecha de inicio 1 Octubre 2021

Fecha de finalización 30 Septiembre 2027

Financiado con arreglo a

• EXCELLENT SCIENCE - European Research Council (ERC)

Coste total

€ 2 050 068,00

Aportación de la UE

€ 2 050 068,00

Coordinado por

THE CHANCELLOR MASTERS AND SCHOLARS OF THE UNIVERSITY OF CAMBRIDGE
United Kingdom

Descripción del proyecto

Nuevos métodos estadísticos para reducir la incertidumbre en el análisis de datos masivos

Los datos masivos suelen ser confusos: la fracción de errores en los datos crece conforme aumenta el volumen de datos. Obtener conclusiones fiables puede resultar complicado cuando los datos se recopilan en diferentes condiciones, o cuando algunos datos faltan o están dañados. El objetivo del proyecto RobustStats, financiado con fondos europeos, es desarrollar una metodología y una teoría estadísticas sólidas para abordar los retos de los datos masivos. En el contexto del aprendizaje por transferencia, sus investigadores emplearán los métodos adecuados para explotar las distribuciones entre los dominios de origen y de destino. Además, probarán los mecanismos de datos perdidos y desarrollarán herramientas prácticas para manejar tanto datos perdidos como datos heterogéneos en las etiquetas de clasificación. En último término, se introducirá la perturbación de datos para lograr una inferencia sólida con datos masivos.

Objetivo

Modern technology allows large-scale data to be collected in many new forms, and their underlying generating mechanisms can be extremely complex. In fact, an interesting (and perhaps initially surprising) feature of large-scale data is that it is often much harder to feel confident that one has identified a plausible statistical model. This is largely because there are so many forms of model violation and both visual and more formal statistical checks can become infeasible. It is therefore vital for trust in conclusions drawn from large studies that statisticians ensure that their methods are robust. The RobustStats proposal will introduce new statistical methodology and theory for a range of important contemporary Big Data challenges. In transfer learning, we wish to make inference about a target data population, but some (typically, most) of our training data come from a related but distinct source distribution. The central goal is to find appropriate ways to exploit the relationship between the source and target distributions. Missing and corrupted data play an ever more prominent role in large-scale data sets because the proportion of cases with no missing attributes is typically small. We will address key challenges of testing the form of the missingness mechanism, and handling heterogeneous missingness and corruptions in classification labels. The robustness of a statistical procedure is intimately linked to model misspecification. We will advocate for two approaches to studying model misspecification, one via the idea of regarding an estimator as a projection onto a model, and the other via oracle inequalities. Finally, we will introduce new methods for robust inference with large-scale data based on the idea of data perturbation. Such approaches are attractive ways of exploring a space of distributions in a model-free way, and we will show that aggregation of the results of carefully-selected perturbations can be highly effective.

Ámbito científico (EuroSciVoc)

• ciencias sociales › sociología › cuestiones sociales › corrupción

Palabras clave

• 62D10 Missing data
• 62F35 Robustness and adaptive procedures
• 62G05
• Nonparametric estimation
• 62G35 Nonparametric robustness
• 62H30
• Classification and discrimination
• cluster analysis

Programa(s)

• H2020-EU.1.1. - EXCELLENT SCIENCE - European Research Council (ERC) PROGRAMA PRINCIPAL
  

Tema(s)

• ERC-2020-ADG - ERC ADVANCED GRANT
  

Régimen de financiación

ERC-ADG - Advanced Grant

Convocatoria de propuestas

ERC-2020-ADG

Institución de acogida

THE CHANCELLOR MASTERS AND SCHOLARS OF THE UNIVERSITY OF CAMBRIDGE

• Aportación neta de la UEn: € 2 050 068,00
• Dirección: TRINITY LANE THE OLD SCHOOLS ; CB2 1TN CAMBRIDGE ; Reino Unido
• Región: East of England › East Anglia › Cambridgeshire CC
• Tipo de actividad: Higher or Secondary Education Establishments
• Coste total: € 2 050 068,00

Beneficiarios (1)

THE CHANCELLOR MASTERS AND SCHOLARS OF THE UNIVERSITY OF CAMBRIDGE

Reino Unido

• Aportación neta de la UEn: € 2 050 068,00
• Dirección: TRINITY LANE THE OLD SCHOOLS ; CB2 1TN CAMBRIDGE
• Región: East of England › East Anglia › Cambridgeshire CC
• Tipo de actividad: Higher or Secondary Education Establishments
• Coste total: € 2 050 068,00