Fugu-MT 論文翻訳(概要): Probabilistic learning of boolean functions applied to the binary classification problem with categorical covariates

論文の概要: Probabilistic learning of boolean functions applied to the binary classification problem with categorical covariates

arxiv url: http://arxiv.org/abs/2003.09454v1
Date: Fri, 20 Mar 2020 18:38:49 GMT
ステータス: 処理完了
システム内更新日: 2022-12-21 22:08:50.477144
Title: Probabilistic learning of boolean functions applied to the binary classification problem with categorical covariates
Title（参考訳）: カテゴリー共変量付き二元分類問題に適用したブール関数の確率論的学習
Authors: Paulo Hubert
Abstract要約: 我々はBernoulliデータ上の分割を推定するという点で二項分類の問題を提起した。本稿では,この問題の確率論的解析を行い,バイナリデータから関数を学習するための2つのアルゴリズムを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this work we cast the problem of binary classification in terms of estimating a partition on Bernoulli data. When the explanatory variables are all categorical, the problem can be modelled using the language of boolean functions. We offer a probabilistic analysis of the problem, and propose two algorithms for learning boolean functions from binary data.
Abstract（参考訳）: 本研究では、ベルヌーイデータ上の分割を推定する観点から二項分類の問題を提起する。説明変数がすべて分類的であれば、ブール関数の言語を用いて問題をモデル化することができる。本稿では,この問題の確率論的解析を行い,バイナリデータからブール関数を学習するための2つのアルゴリズムを提案する。

関連論文リスト

Dimension-independent learning rates for high-dimensional classification problems [53.622581586464634]
各RBV2$関数は、重みが有界なニューラルネットワークによって近似可能であることを示す。次に、分類関数を近似した有界重みを持つニューラルネットワークの存在を証明する。
論文参考訳（メタデータ） (2024-09-26T16:02:13Z)
Simple and Interpretable Probabilistic Classifiers for Knowledge Graphs [0.0]
本稿では,単純な信念ネットワークの学習に基づく帰納的アプローチについて述べる。このようなモデルを(確率的な)公理(あるいは規則)に変換する方法を示す。
論文参考訳（メタデータ） (2024-07-09T17:05:52Z)
Challenges in Binary Classification [12.827730806517664]
カーネル関数の選択は経験的であり、カーネル関数は最適でない可能性がある。線形分類では、SVMがこの変分問題フレームワークの特別な場合であると推測できる。ユークリッド距離について、提案された変分問題には非線形分類にいくつかの制限があることが証明されている。
論文参考訳（メタデータ） (2024-06-19T16:11:59Z)
Probabilistic Safety Regions Via Finite Families of Scalable Classifiers [2.431537995108158]
監視された分類は、データのパターンを認識して、振る舞いのクラスを分離する。正準解は、機械学習の数値近似の性質に固有の誤分類誤差を含む。本稿では,確率論的安全性領域の概念を導入し,入力空間のサブセットとして,誤分類されたインスタンスの数を確率論的に制御する手法を提案する。
論文参考訳（メタデータ） (2023-09-08T22:40:19Z)
Smoothed Embeddings for Certified Few-Shot Learning [63.68667303948808]
我々はランダムな平滑化を数ショットの学習モデルに拡張し、入力を正規化された埋め込みにマッピングする。この結果は、異なるデータセットの実験によって確認される。
論文参考訳（メタデータ） (2022-02-02T18:19:04Z)
Generalizable Neuro-symbolic Systems for Commonsense Question Answering [67.72218865519493]
この章では、言語理解に適したニューロシンボリックモデルが、下流タスクにおけるドメインの一般化性と堅牢性を実現する方法について説明する。ニューラルネットワークモデルと知識グラフを統合するための様々な方法について議論する。
論文参考訳（メタデータ） (2022-01-17T06:13:37Z)
Discriminative Attribution from Counterfactuals [64.94009515033984]
本稿では,特徴属性と反実的説明を組み合わせたニューラルネットワークの解釈可能性について述べる。本手法は,特徴属性法の性能を客観的に評価するために有効であることを示す。
論文参考訳（メタデータ） (2021-09-28T00:53:34Z)
Theoretical Insights Into Multiclass Classification: A High-dimensional Asymptotic View [82.80085730891126]
線形多クラス分類の最初の現代的精度解析を行う。分析の結果,分類精度は分布に依存していることがわかった。得られた洞察は、他の分類アルゴリズムの正確な理解の道を開くかもしれない。
論文参考訳（メタデータ） (2020-11-16T05:17:29Z)
Measure Inducing Classification and Regression Trees for Functional Data [0.0]
機能的データ分析の文脈における分類と回帰問題に対する木に基づくアルゴリズムを提案する。これは、制約付き凸最適化により重み付き汎函数 L2$ 空間を学習することで達成される。
論文参考訳（メタデータ） (2020-10-30T18:49:53Z)
Evaluating Nonlinear Decision Trees for Binary Classification Tasks with Other Existing Methods [8.870380386952993]
データセットを2つ以上の異なるクラスに分類することは、機械学習の重要なタスクである。多くのメソッドは、テストデータに対して非常に高い精度でバイナリ分類タスクを分類することができるが、容易に解釈可能な説明を提供することはできない。我々は、最近提案された非線形決定木アプローチを、多くのデータセットでよく使われている分類手法で強調し、評価する。
論文参考訳（メタデータ） (2020-08-25T00:00:23Z)
Pairwise Supervision Can Provably Elicit a Decision Boundary [84.58020117487898]
類似性学習は、パターンのペア間の関係を予測することによって有用な表現を引き出す問題である。類似性学習は、決定境界を直接引き出すことによって二項分類を解くことができることを示す。
論文参考訳（メタデータ） (2020-06-11T05:35:16Z)

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。