Fugu-MT 論文翻訳(概要): From interpretability to inference: an estimation framework for universal approximators

論文の概要: From interpretability to inference: an estimation framework for universal approximators

arxiv url: http://arxiv.org/abs/1903.04209v5
Date: Wed, 27 Nov 2024 18:31:17 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-29 15:03:40.867480
Title: From interpretability to inference: an estimation framework for universal approximators
Title（参考訳）: 解釈可能性から推論へ:普遍近似器の推定フレームワーク
Authors: Andreas Joseph,
Abstract要約: 広義の普遍近似器を推定・推定するための新しい枠組みを提案する。推論は個々のシェープ成分のバイアスと分散特性の分析に依存する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: We present a novel framework for estimation and inference for the broad class of universal approximators. Estimation is based on the decomposition of model predictions into Shapley values. Inference relies on analyzing the bias and variance properties of individual Shapley components. We show that Shapley value estimation is asymptotically unbiased, and we introduce Shapley regressions as a tool to uncover the true data generating process from noisy data alone. The well-known case of the linear regression is the special case in our framework if the model is linear in parameters. We present theoretical, numerical, and empirical results for the estimation of heterogeneous treatment effects as our guiding example.
Abstract（参考訳）: 広義の普遍近似器を推定・推定するための新しい枠組みを提案する。推定はモデル予測のシェープ値への分解に基づいている。推論は個々のシェープ成分のバイアスと分散特性の分析に依存する。我々は,Shapley値の推定が漸近的に不偏であることを示し,ノイズのみから真のデータ生成プロセスを明らかにするツールとしてShapley回帰を導入する。線形回帰のよく知られた例は、モデルがパラメータで線型であれば、我々のフレームワークの特別な場合である。本研究は,異種治療効果の評価を導くための理論的,数値的,実証的な結果である。

関連論文リスト

Model-free Methods for Event History Analysis and Efficient Adjustment (PhD Thesis) [55.2480439325792]
この論文は、モデルフリーの観点から統一された統計学への独立した貢献のシリーズである。第1章では、機械学習から予測技術を活用する柔軟なメソッドを定式化するために、モデルフリーの視点をどのように利用できるか、詳しく説明している。第2章では、あるプロセスの進化が他のプロセスに直接影響されるかどうかを記述した地域独立の概念を研究している。
論文参考訳（メタデータ） (2025-02-11T19:24:09Z)
On Model Extrapolation in Marginal Shapley Values [0.0]
モデル説明可能性の最も一般的な方法の1つは、Shapley値に基づいている。シェープ値を計算するための限界的なアプローチは、うまく定義されていないかもしれないモデル外挿につながる。本稿では,限界平均化を用いてモデル外挿を回避し,因果情報を付加することで因果シャプリー値を再現する手法を提案する。
論文参考訳（メタデータ） (2024-12-17T18:33:14Z)
Asymptotics of Linear Regression with Linearly Dependent Data [28.005935031887038]
非ガウス共変量の設定における線形回帰の計算について検討する。本稿では,依存性が推定誤差と正規化パラメータの選択にどのように影響するかを示す。
論文参考訳（メタデータ） (2024-12-04T20:31:47Z)
Progression: an extrapolation principle for regression [0.0]
本稿では,新しい統計外挿原理を提案する。これは、予測器とトレーニング予測器のサンプルの境界における応答との単純な関係を仮定する。我々の半パラメトリック法である進行法は、この外挿原理を活用し、トレーニングデータ範囲を超えた近似誤差の保証を提供する。
論文参考訳（メタデータ） (2024-10-30T17:29:51Z)
High-dimensional analysis of ridge regression for non-identically distributed data with a variance profile [0.0]
線形回帰に対する尾根推定器の予測リスクを分散プロファイルを用いて検討した。ある種の分散プロファイルについては、よく知られた二重降下現象の出現に注目した。また、独立分散データと同一分散データの標準設定で存在する類似点と相違点についても検討する。
論文参考訳（メタデータ） (2024-03-29T14:24:49Z)
Conformal inference for regression on Riemannian Manifolds [49.7719149179179]
回帰シナリオの予測セットは、応答変数が$Y$で、多様体に存在し、Xで表される共変数がユークリッド空間にあるときに検討する。我々は、多様体上のこれらの領域の経験的バージョンが、その集団に対するほぼ確実に収束していることを証明する。
論文参考訳（メタデータ） (2023-10-12T10:56:25Z)
Selective Nonparametric Regression via Testing [54.20569354303575]
本研究では,所定の点における条件分散の値に関する仮説を検証し,留置手順を開発する。既存の手法とは異なり、提案手法は分散自体の値だけでなく、対応する分散予測器の不確実性についても考慮することができる。
論文参考訳（メタデータ） (2023-09-28T13:04:11Z)
Instance-Based Neural Dependency Parsing [56.63500180843504]
依存関係解析のための解釈可能な推論プロセスを持つニューラルモデルを開発する。私たちのモデルはインスタンスベースの推論を採用しており、トレーニングセットのエッジと比較することで、依存関係のエッジを抽出し、ラベル付けします。
論文参考訳（メタデータ） (2021-09-28T05:30:52Z)
Heavy-tailed Streaming Statistical Estimation [58.70341336199497]
ストリーミング$p$のサンプルから重み付き統計推定の課題を考察する。そこで我々は,傾きの雑音に対して,よりニュアンスな条件下での傾きの傾きの低下を設計し,より詳細な解析を行う。
論文参考訳（メタデータ） (2021-08-25T21:30:27Z)
Performance of Bayesian linear regression in a model with mismatch [8.60118148262922]
本研究では,ガウス先行の対数対数対のベイズ分布の平均値から得られる推定器の性能を解析した。この推論モデルは、スピングラスにおけるガードナーモデルのバージョンとして記述することができる。
論文参考訳（メタデータ） (2021-07-14T18:50:13Z)
Nonparametric Score Estimators [49.42469547970041]
未知分布によって生成されたサンプルの集合からスコアを推定することは確率モデルの推論と学習における基本的なタスクである。正規化非パラメトリック回帰の枠組みの下で、これらの推定器の統一的なビューを提供する。カールフリーカーネルと高速収束による計算効果を享受する反復正規化に基づくスコア推定器を提案する。
論文参考訳（メタデータ） (2020-05-20T15:01:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。