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
- 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) - The Adaptive $\tau$-Lasso: Robustness and Oracle Properties [14.250233515645782]
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) - Universal Off-Policy Evaluation [64.02853483874334]
ユニバーサルオフ政治推定器(UnO)への第一歩を踏み出す
我々は, 平均, 分散, 分位数/中間数, 分位数範囲, cvar, および累積分布全体の推定と同時結合に uno を用いる。
論文 参考訳(メタデータ) (2021-04-26T18:54:31Z) - Flexible Model Aggregation for Quantile Regression [92.63075261170302]
量子回帰は、予測の不確実性を定量化する必要性によって動機付けられた統計学習の基本的な問題である。
条件付き量子モデルの任意の数を集約する手法について検討する。
この論文で検討するモデルはすべて、現代のディープラーニングツールキットに適合します。
論文 参考訳(メタデータ) (2021-02-26T23:21:16Z) - Stochastic Optimization for Performative Prediction [31.876692592395777]
モデルパラメータを単に更新することと、新しいモデルをデプロイすることの違いについて検討する。
各更新後にモデルを厳格にデプロイし、再デプロイする前に数回の更新を行うための収束率を証明する。
彼らは、パフォーマンス効果の強さによって、どちらのアプローチも他方よりも優れる体制が存在することを説明している。
論文 参考訳(メタデータ) (2020-06-12T00:31:16Z) - Provable tradeoffs in adversarially robust classification [96.48180210364893]
我々は、ロバストなイソペリメトリに関する確率論の最近のブレークスルーを含む、新しいツールを開発し、活用する。
この結果から,データの不均衡時に増加する標準精度とロバスト精度の基本的なトレードオフが明らかになった。
論文 参考訳(メタデータ) (2020-06-09T09:58:19Z)
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。