論文の概要: Binarised Regression with Instance-Varying Costs: Evaluation using
Impact Curves
- arxiv url: http://arxiv.org/abs/2008.07349v1
- Date: Fri, 14 Aug 2020 04:16:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-30 17:03:52.073616
- Title: Binarised Regression with Instance-Varying Costs: Evaluation using
Impact Curves
- Title(参考訳): インスタンス変動コストによる二元化回帰:衝撃曲線による評価
- Authors: Matthew Dirks, David Poole
- Abstract要約: 二項回帰では、学習された回帰モデルから二項決定が生成される。
本稿では,二項化回帰を例によって異なるコストで評価するための影響曲線を提案する。
医療、鉱業、エンターテイメントなど、さまざまな分野のインパクトカーブを構築する方法について説明する。
- 参考スコア(独自算出の注目度): 7.462336024223667
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many evaluation methods exist, each for a particular prediction task, and
there are a number of prediction tasks commonly performed including
classification and regression. In binarised regression, binary decisions are
generated from a learned regression model (or real-valued dependent variable),
which is useful when the division between instances that should be predicted
positive or negative depends on the utility. For example, in mining, the
boundary between a valuable rock and a waste rock depends on the market price
of various metals, which varies with time. This paper proposes impact curves to
evaluate binarised regression with instance-varying costs, where some instances
are much worse to be classified as positive (or negative) than other instances;
e.g., it is much worse to throw away a high-grade gold rock than a medium-grade
copper-ore rock, even if the mine wishes to keep both because both are
profitable. We show how to construct an impact curve for a variety of domains,
including examples from healthcare, mining, and entertainment. Impact curves
optimize binary decisions across all utilities of the chosen utility function,
identify the conditions where one model may be favoured over another, and
quantitatively assess improvement between competing models.
- Abstract(参考訳): それぞれ特定の予測タスクに対して多くの評価方法が存在し、分類や回帰を含む一般的な予測タスクが多数存在する。
双項回帰では、二項決定は学習された回帰モデル(または実値依存変数)から生成される。
例えば、鉱業では、価値ある岩石と廃岩の境界は、時間によって異なる様々な金属の市場価格に依存する。
本稿では,2値化回帰をインスタンス変動コストで評価するための衝撃曲線を提案する。例えば,中級の銅鉱石よりも高品位の金岩を捨てる方がずっと悪い例もある。
医療、鉱業、エンターテイメントなど、さまざまな分野のインパクトカーブを構築する方法について説明する。
影響曲線は、選択されたユーティリティ関数のすべてのユーティリティでバイナリ決定を最適化し、あるモデルが他のモデルよりも好まれる条件を特定し、競合モデル間の改善を定量的に評価する。
関連論文リスト
- Relaxed Quantile Regression: Prediction Intervals for Asymmetric Noise [51.87307904567702]
量子レグレッション(Quantile regression)は、出力の分布における量子の実験的推定を通じてそのような間隔を得るための主要なアプローチである。
本稿では、この任意の制約を除去する量子回帰に基づく区間構成の直接的な代替として、Relaxed Quantile Regression (RQR)を提案する。
これにより、柔軟性が向上し、望ましい品質が向上することが実証された。
論文 参考訳(メタデータ) (2024-06-05T13:36:38Z) - Mind the Gap: A Causal Perspective on Bias Amplification in Prediction & Decision-Making [58.06306331390586]
本稿では,閾値演算による予測値がS$変化の程度を測るマージン補数の概念を導入する。
適切な因果仮定の下では、予測スコア$S$に対する$X$の影響は、真の結果$Y$に対する$X$の影響に等しいことを示す。
論文 参考訳(メタデータ) (2024-05-24T11:22:19Z) - Optimal Bias-Correction and Valid Inference in High-Dimensional Ridge Regression: A Closed-Form Solution [0.0]
寸法$p$がサンプルサイズ$n$より小さい場合、バイアスを効果的に補正するための反復戦略を導入する。
p>n$の場合、提案した非バイアス推定器の残余バイアスが到達不能であるようなバイアスを最適に緩和する。
本手法は,様々な分野にわたるリッジ回帰推論におけるバイアス問題に対する変換解を提供する。
論文 参考訳(メタデータ) (2024-05-01T10:05:19Z) - Linked shrinkage to improve estimation of interaction effects in
regression models [0.0]
回帰モデルにおける双方向相互作用項によく適応する推定器を開発する。
我々は,選択戦略では難しい推論モデルの可能性を評価する。
私たちのモデルは、かなり大きなサンプルサイズであっても、ランダムな森林のような、より高度な機械学習者に対して非常に競争力があります。
論文 参考訳(メタデータ) (2023-09-25T10:03:39Z) - Distributional Reinforcement Learning with Dual Expectile-Quantile Regression [51.87411935256015]
分布RLに対する量子レグレッションアプローチは、任意の戻り分布を柔軟かつ効果的に学習する方法を提供する。
我々は,分布保証が消えることを示し,推定分布が急速に崩壊して平均推定値が崩壊することを実証的に観察する。
提案手法は,$L$の学習効率を生かして,返却分布の予測値と量子化値とを協調的に学習し,返却分布の完全な分布を推定し,効率的な学習を可能にするものである。
論文 参考訳(メタデータ) (2023-05-26T12:30:05Z) - The Adaptive $τ$-Lasso: Robustness and Oracle Properties [12.06248959194646]
本稿では,高次元データセット解析のためのロバストな$tau$-regression推定器の正規化版を紹介する。
得られた推定器はアダプティブ $tau$-Lasso と呼ばれ、外れ値や高平均点に対して堅牢である。
外れ値と高平均点に直面して、適応 $tau$-Lasso と $tau$-Lasso 推定器は、最高のパフォーマンスまたは最も近いパフォーマンスを達成する。
論文 参考訳(メタデータ) (2023-04-18T21:34:14Z) - CARMS: Categorical-Antithetic-REINFORCE Multi-Sample Gradient Estimator [60.799183326613395]
本稿では, 相互に負に相関した複数のサンプルに基づく分類的確率変数の非バイアス推定器を提案する。
CARMSは、ReINFORCEとコプラベースのサンプリングを組み合わせることで、重複サンプルを回避し、その分散を低減し、重要サンプリングを使用して推定器を偏りなく維持する。
我々は、生成的モデリングタスクと構造化された出力予測タスクに基づいて、いくつかのベンチマークデータセット上でCARMSを評価し、強力な自己制御ベースラインを含む競合する手法より優れていることを示す。
論文 参考訳(メタデータ) (2021-10-26T20:14:30Z) - Stock Index Prediction using Cointegration test and Quantile Loss [0.0]
本稿では,情報的要因を選択する場合のリターンの観点から,より良い性能が得られる手法を提案する。
2つのRNN変種と量子損失を比較し, 結合試験により得られた5つの因子について比較した。
実験の結果,提案手法は従来の手法よりも優れていることがわかった。
論文 参考訳(メタデータ) (2021-09-29T16:20:29Z) - Understanding the Under-Coverage Bias in Uncertainty Estimation [58.03725169462616]
量子レグレッションは、現実の望ましいカバレッジレベルよりもアンファンダーカバー(enmphunder-cover)する傾向がある。
我々は、量子レグレッションが固有のアンダーカバーバイアスに悩まされていることを証明している。
我々の理論は、この過大被覆バイアスが特定の高次元パラメータ推定誤差に起因することを明らかにしている。
論文 参考訳(メタデータ) (2021-06-10T06:11:55Z) - Rethinking InfoNCE: How Many Negative Samples Do You Need? [54.146208195806636]
半定量的理論フレームワークを用いて, InfoNCE に最適化された負のサンプル数について検討した。
トレーニングの有効性関数を最大化する$K$値を用いて,最適負サンプリング比を推定する。
論文 参考訳(メタデータ) (2021-05-27T08:38:29Z)
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。
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。