Fugu-MT 論文翻訳(概要): A Primer on Private Statistics

論文の概要: A Primer on Private Statistics

arxiv url: http://arxiv.org/abs/2005.00010v1
Date: Thu, 30 Apr 2020 18:00:00 GMT
ステータス: 処理完了
システム内更新日: 2022-12-08 03:59:03.889201
Title: A Primer on Private Statistics
Title（参考訳）: 個人統計学におけるプライマー
Authors: Gautam Kamath, Jonathan Ullman
Abstract要約: 個人別統計分析では、ここ数年で急速な発展が見られた。これらの2つの研究の行は、当初経験的統計学の枠組みを定めていたが、人口統計学にも適用できる手法の例を挙げることで、異なるものよりも類似している可能性が示唆された。
参考スコア（独自算出の注目度）: 9.92851340114598
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Differentially private statistical estimation has seen a flurry of developments over the last several years. Study has been divided into two schools of thought, focusing on empirical statistics versus population statistics. We suggest that these two lines of work are more similar than different by giving examples of methods that were initially framed for empirical statistics, but can be applied just as well to population statistics. We also provide a thorough coverage of recent work in this area.
Abstract（参考訳）: 差動的にプライベートな統計的な推定は、ここ数年で多くの発展が見られた。研究は2つの学派に分けられ、経験統計と人口統計に焦点が当てられている。これらの2つの研究の行は、当初経験的統計学の枠組みを定めていたが、人口統計学にも適用できる手法の例を挙げることで、両者の類似性が示唆された。この領域での最近の作業についても、詳しく説明しています。

関連論文リスト

BiasBuster: a Neural Approach for Accurate Estimation of Population Statistics using Biased Location Data [6.077198822448429]
統計的偏りは有用である場合もあるが,精度が向上しない場合が多い。次に、人口統計と位置特性の相関を利用して、人口統計の正確な推定を行うニューラルネットワーク手法であるBiasBusterを提案する。
論文参考訳（メタデータ） (2024-02-17T16:16:24Z)
A step towards the integration of machine learning and small area estimation [0.0]
本稿では,機械学習アルゴリズムがサポートする予測器を提案する。仮定モデルからわずかに逸脱しただけで、この場合も提案が良い代替手段であることを示す。さらに,機械学習予測器の精度推定手法を提案し,従来の手法との比較を行った。
論文参考訳（メタデータ） (2024-02-12T09:43:17Z)
Statistic Selection and MCMC for Differentially Private Bayesian Estimation [1.14219428942199]
本稿では,人口分布のパラメータの個人的ベイズ推定について述べる。我々は、プライバシー制限の下では、非プライバシ設定で最も有益な統計が最適な選択ではないことに気付きました。そこで本稿では,モンテカルロをベースとしたいくつかの数値計算手法を提案する。
論文参考訳（メタデータ） (2022-03-24T22:57:37Z)
A Unifying Framework for Some Directed Distances in Statistics [0.0]
密度に基づく有向距離(特に発散距離)は統計学で広く使われている。本稿では、密度ベースと分布関数ベースの分散アプローチの両方を網羅する一般的なフレームワークを提供する。我々は、有望な相互情報の代替として、確率変数間の依存の新たな概念を導出する。
論文参考訳（メタデータ） (2022-03-02T04:24:13Z)
Statistical discrimination in learning agents [64.78141757063142]
統計的差別は、訓練人口のバイアスとエージェントアーキテクチャの両方の関数としてエージェントポリシーに現れる。我々は、リカレントニューラルネットワークを使用するエージェントによる差別の低減と、トレーニング環境のバイアスの低減が示される。
論文参考訳（メタデータ） (2021-10-21T18:28:57Z)
Sampling from Arbitrary Functions via PSD Models [55.41644538483948]
まず確率分布をモデル化し,そのモデルからサンプリングする。これらのモデルでは, 少数の評価値を用いて, 高精度に多数の密度を近似することが可能であることが示され, それらのモデルから効果的にサンプルする簡単なアルゴリズムが提示される。
論文参考訳（メタデータ） (2021-10-20T12:25:22Z)
Predicting Zip Code-Level Vaccine Hesitancy in US Metropolitan Areas Using Machine Learning Models on Public Tweets [10.45742327204133]
過去1年間に収集された公開Twitterデータを用いて,方法論と実験的検討を行った。我々のゴールは、新しい機械学習アルゴリズムを考案することではなく、既存のモデルと確立されたモデルを比較フレームワークで評価することである。
論文参考訳（メタデータ） (2021-08-03T18:43:46Z)
Magnify Your Population: Statistical Downscaling to Augment the Spatial Resolution of Socioeconomic Census Data [48.7576911714538]
重要社会経済的属性の詳細な推定を導出する新しい統計的ダウンスケーリング手法を提案する。選択された社会経済変数ごとに、ランダムフォレストモデルが元の国勢調査単位に基づいて訓練され、その後、微細なグリッド化された予測を生成するために使用される。本研究では,この手法を米国の国勢調査データに適用し,ブロック群レベルで選択された社会経済変数を,300の空間分解能のグリッドにダウンスケールする。
論文参考訳（メタデータ） (2020-06-23T16:52:18Z)
Marginal likelihood computation for model selection and hypothesis testing: an extensive review [66.37504201165159]
この記事では、このトピックの最先端に関する総合的な研究について紹介する。さまざまなテクニックの制限、メリット、コネクション、差異を強調します。また、不適切な事前利用の問題や解決法についても述べる。
論文参考訳（メタデータ） (2020-05-17T18:31:58Z)
Showing Your Work Doesn't Always Work [73.63200097493576]
『Show Your Work: Improved Reporting of Experimental Results』では、最高の学習モデルの有効性を報告している。解析的にそれらの推定器は偏りがあり、エラーを起こしやすい仮定を用いていることを示す。我々は、偏見のない代替案を導き、統計的シミュレーションから経験的な証拠で主張を裏付ける。
論文参考訳（メタデータ） (2020-04-28T17:59:01Z)
A Survey on Causal Inference [64.45536158710014]
因果推論は統計学、コンピュータ科学、教育、公共政策、経済学など、多くの分野において重要な研究トピックである。観測データに対する様々な因果効果推定法が誕生した。
論文参考訳（メタデータ） (2020-02-05T21:35:29Z)

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。