論文の概要: Large-scale Uncertainty Estimation and Its Application in Revenue Forecast of SMEs

• arxiv url: http://arxiv.org/abs/2005.00718v1
• Date: Sat, 2 May 2020 06:17:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-07 11:57:08.811976
• Title: Large-scale Uncertainty Estimation and Its Application in Revenue Forecast of SMEs
• Title（参考訳）: 中小企業の大規模不確実性推定と収益予測への応用
• Authors: Zebang Zhang, Kui Zhao, Kai Huang, Quanhui Jia, Yanming Fang, Quan Yu
• Abstract要約: 中小企業の経済と銀行の重要性は、現代社会においてよく認識されている。 信頼できる収益予測モデルを構築することは非常に有益である。 本稿では,実装が容易で,容易に並列化可能で,解釈可能で,高品質な予測不確実性の推定値が得られるスケーラブルな自然グラディエントブースティングマシンを提案する。
• 参考スコア（独自算出の注目度）: 10.367755705236249
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The economic and banking importance of the small and medium enterprise (SME) sector is well recognized in contemporary society. Business credit loans are very important for the operation of SMEs, and the revenue is a key indicator of credit limit management. Therefore, it is very beneficial to construct a reliable revenue forecasting model. If the uncertainty of an enterprise's revenue forecasting can be estimated, a more proper credit limit can be granted. Natural gradient boosting approach, which estimates the uncertainty of prediction by a multi-parameter boosting algorithm based on the natural gradient. However, its original implementation is not easy to scale into big data scenarios, and computationally expensive compared to state-of-the-art tree-based models (such as XGBoost). In this paper, we propose a Scalable Natural Gradient Boosting Machines that is simple to implement, readily parallelizable, interpretable and yields high-quality predictive uncertainty estimates. According to the characteristics of revenue distribution, we derive an uncertainty quantification function. We demonstrate that our method can distinguish between samples that are accurate and inaccurate on revenue forecasting of SMEs. What's more, interpretability can be naturally obtained from the model, satisfying the financial needs.
• Abstract（参考訳）: 中小企業の経済と銀行の重要性は、現代社会においてよく認識されている。 中小企業の運営において、ビジネスクレジットローンは非常に重要であり、収益は信用限度管理の重要な指標である。 したがって、信頼できる収益予測モデルを構築することは極めて有益である。 企業の収益予測の不確実性を推定できれば、より適切な信用限度が与えられる。 自然勾配に基づくマルチパラメータブースティングアルゴリズムによる予測の不確かさを推定する自然勾配ブースティング手法について検討した。 しかし、オリジナルの実装はビッグデータのシナリオにスケールするのは簡単ではなく、最先端のツリーベースモデル(XGBoostなど)と比較して計算コストがかかる。 本稿では,並列化が容易で,容易に解釈可能で,高品質な予測不確実性推定を実現する,スケーラブルな自然勾配ブースティングマシンを提案する。 収益分布の特徴により、不確実な定量化関数を導出する。 本研究では,中小企業の収益予測に正確で不正確なサンプルを識別できることを示す。 さらに、解釈可能性はそのモデルから自然に得られ、経済的ニーズを満たすことができます。

関連論文リスト

• Quantifying Prediction Consistency Under Model Multiplicity in Tabular LLMs [10.494477811252034]
  微調整された大きな言語モデルは、同じ入力で矛盾する予測を行うような、テクティファインチューニングの多重性につながる可能性がある。 これにより、Tabular LLMの堅牢性と信頼性に関する重要な懸念が持ち上がる。 本研究は,コストのかかるモデル再訓練を伴わずに個々の予測の堅牢性を定量化する新しい指標を提案する。
  論文  参考訳（メタデータ） (2024-07-04T22:22:09Z)
• Large Language Models Must Be Taught to Know What They Don't Know [97.90008709512921]
  正解と誤解の小さなデータセットを微調整すると、高い一般化と計算オーバーヘッドの少ない不確実性推定が得られることを示す。 また,確実な不確実性推定を可能にする機構についても検討し,多くのモデルを汎用的不確実性推定器として利用することができることを示した。
  論文  参考訳（メタデータ） (2024-06-12T16:41:31Z)
• Cycles of Thought: Measuring LLM Confidence through Stable Explanations [53.15438489398938]
  大規模言語モデル(LLM)は、様々なベンチマークで人間レベルの精度に到達し、さらに超えることができるが、不正確な応答における過度な自信は、依然として十分に文書化された障害モードである。 本稿では,LLMの不確実性を測定するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-05T16:35:30Z)
• BIRD: A Trustworthy Bayesian Inference Framework for Large Language Models [52.46248487458641]
  予測モデルは、現実世界のタスクで不完全な情報を扱う必要があることが多い。 現在の大規模言語モデル(LLM)は、そのような正確な推定には不十分である。 本稿では,新しい確率的推論フレームワークBIRDを提案する。
  論文  参考訳（メタデータ） (2024-04-18T20:17:23Z)
• Language Model Cascades: Token-level uncertainty and beyond [65.38515344964647]
  言語モデル(LM)の最近の進歩により、複雑なNLPタスクの品質が大幅に向上した。 Cascadingは、より好ましいコスト品質のトレードオフを達成するためのシンプルな戦略を提供する。 トークンレベルの不確実性を学習後遅延ルールに組み込むことで,単純な集約戦略を著しく上回ることを示す。
  論文  参考訳（メタデータ） (2024-04-15T21:02:48Z)
• Predictive AI for SME and Large Enterprise Financial Performance Management [0.0]
  バランスシートと所得計算の標準比率を補完する新しい金融・マクロ経済比率を紹介します。 また、企業パフォーマンスを予測するための教師付き学習モデル(MLレグレッタとニューラルネットワーク)とベイジアンモデルも提供します。 提案した変数は,標準産業比率に比例してモデル精度を向上させることができると結論づける。
  論文  参考訳（メタデータ） (2023-09-22T11:04:32Z)
• Model-free generalized fiducial inference [0.0]
  本稿では,不正確な確率的予測推定のためのモデルフリー統計フレームワークの提案と開発を行う。 このフレームワークは、タイプ1エラーの有限サンプル制御を提供する予測セットの形式での不確実性定量化を促進する。 モデルフリー不正確なフレームワークに対する正確な確率近似の理論的および経験的特性について考察する。
  論文  参考訳（メタデータ） (2023-07-24T01:58:48Z)
• Financial Distress Prediction For Small And Medium Enterprises Using Machine Learning Techniques [5.301137510638804]
  ファイナンシャルディストレス予測(Financial Distress Prediction)は、失敗する構造物の数と確率を正確に予測することで、経済において重要な役割を果たす。 しかし、中小企業にとっての財政難の予測は、そのあいまいさが原因で困難である。 本稿では,金融データの薄面成分分析,コーポレートガバナンスの質,および市場交換データを関連ベクタマシンに組み込んだ企業FCPモデルを提案する。
  論文  参考訳（メタデータ） (2023-02-23T15:58:30Z)
• Approaching Neural Network Uncertainty Realism [53.308409014122816]
  自動運転車などの安全クリティカルなシステムには、定量化または少なくとも上限の不確実性が不可欠です。 マハラノビス距離に基づく統計的テストにより、厳しい品質基準である不確実性リアリズムを評価します。 自動車分野に採用し、プレーンエンコーダデコーダモデルと比較して、不確実性リアリズムを大幅に改善することを示した。
  論文  参考訳（メタデータ） (2021-01-08T11:56:12Z)
• Explanations of Machine Learning predictions: a mandatory step for its application to Operational Processes [61.20223338508952]
  信用リスクモデリングは重要な役割を果たす。 近年,機械学習や深層学習の手法が採用されている。 この分野における説明可能性問題に LIME 手法を適用することを提案する。
  論文  参考訳（メタデータ） (2020-12-30T10:27:59Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。