論文の概要: Kaggle forecasting competitions: An overlooked learning opportunity

• arxiv url: http://arxiv.org/abs/2009.07701v1
• Date: Wed, 16 Sep 2020 14:14:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-17 23:37:12.213221
• Title: Kaggle forecasting competitions: An overlooked learning opportunity
• Title（参考訳）: kaggleの予測競争:見過ごされた学習機会
• Authors: Casper Solheim Bojer and Jens Peder Meldgaard
• Abstract要約: 実生活におけるビジネス予測タスクを含む6つのKaggleコンペティションの結果をレビューする。 その結果、Kaggleデータセットの大部分は、M競合よりも高い断続性とエントロピーによって特徴づけられることがわかった。 我々は、勾配を増す決定木の性能向上、予測のためのニューラルネットワークの成功の増加、予測タスクに機械学習モデルを適用するための様々なテクニックを見出した。
• 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: Competitions play an invaluable role in the field of forecasting, as exemplified through the recent M4 competition. The competition received attention from both academics and practitioners and sparked discussions around the representativeness of the data for business forecasting. Several competitions featuring real-life business forecasting tasks on the Kaggle platform has, however, been largely ignored by the academic community. We believe the learnings from these competitions have much to offer to the forecasting community and provide a review of the results from six Kaggle competitions. We find that most of the Kaggle datasets are characterized by higher intermittence and entropy than the M-competitions and that global ensemble models tend to outperform local single models. Furthermore, we find the strong performance of gradient boosted decision trees, increasing success of neural networks for forecasting, and a variety of techniques for adapting machine learning models to the forecasting task.
• Abstract（参考訳）: 最近のM4コンペティションで実証されたように、競争は予測分野において重要な役割を果たす。 このコンペは、学者と実践者の両方から注目を集め、ビジネス予測のためのデータの代表性に関する議論を引き起こした。 しかし、Kaggleプラットフォーム上での実際のビジネス予測タスクを含むいくつかのコンペは、学術界からは無視されている。 これらのコンペティションからの学習は、予測コミュニティに多くのものを提供し、Kaggleの6つのコンペティションの結果のレビューを提供すると信じています。 カグルデータセットのほとんどは、m競合よりも高い間欠性とエントロピーによって特徴づけられ、グローバルアンサンブルモデルは局所的な単一モデルを上回る傾向がある。 さらに,勾配強化決定木の強力な性能,予測のためのニューラルネットワークの成功の増大,予測タスクに機械学習モデルを適用するための様々な手法を見出した。

関連論文リスト

• Designing Time-Series Models With Hypernetworks & Adversarial Portfolios [0.0]
  本稿では,M6コンペティションの予測と投資の課題において,それぞれ4位と6位を達成した手法について述べる。 予測課題では、ハイパーネットを用いた新しいメタ学習モデルを用いて、予測タスクの特定のファミリーに合わせたパラメトリックモデルを設計した。 投資課題では、ポートフォリオの重みを調整し、現在のランキングに応じて、応募と他の参加者との相関関係を大きくあるいはより小さいものにしました。
  論文  参考訳（メタデータ） (2024-07-29T18:06:29Z)
• A Random Forest-based Prediction Model for Turning Points in Antagonistic Event-Group Competitions [0.0]
  本稿では, ランダムフォレストに基づく, 対角的事象群の旋回点の予測モデルを提案する。 このモデルは、敵対的なイベントグループの競争状況の転換点を効果的に予測することができる。
  論文  参考訳（メタデータ） (2024-05-30T13:13:48Z)
• Predictive Churn with the Set of Good Models [64.05949860750235]
  近似機械学習モデルの集合に対する競合予測の効果について検討する。 ラーショモン集合内のモデル間の係り受けに関する理論的結果を示す。 当社のアプローチは、コンシューマ向けアプリケーションにおいて、より予測し、削減し、混乱を避けるためにどのように使用できるかを示します。
  論文  参考訳（メタデータ） (2024-02-12T16:15:25Z)
• CompeteSMoE -- Effective Training of Sparse Mixture of Experts via Competition [52.2034494666179]
  スパース・ミックス・オブ・エキスパート(SMoE)は、ネットワークの深さや幅を増大させる平均を超えた、モデルの複雑さをスケールアップする魅力的なソリューションを提供する。 本稿では,この表現崩壊の根本的な課題に対処する競合機構を提案する。 入力を最も高い神経応答を持つ専門家にのみルーティングすることにより、コンペティションが最適推定器と同じ収束率を持つことを示す。
  論文  参考訳（メタデータ） (2024-02-04T15:17:09Z)
• Performative Time-Series Forecasting [71.18553214204978]
  我々は,機械学習の観点から,パフォーマンス時系列予測(PeTS)を定式化する。 本稿では,予測分布シフトに対する遅延応答の概念を活用する新しい手法であるFeature Performative-Shifting(FPS)を提案する。 新型コロナウイルスの複数の時系列モデルと交通予報タスクを用いた総合的な実験を行った。
  論文  参考訳（メタデータ） (2023-10-09T18:34:29Z)
• Benchmarking Robustness and Generalization in Multi-Agent Systems: A Case Study on Neural MMO [50.58083807719749]
  IJCAI 2022で開催されている第2回Neural MMOチャレンジの結果を報告する。 この競合はマルチエージェントシステムの堅牢性と一般化をターゲットにしている。 環境ラッパー、ベースライン、可視化ツール、そしてさらなる研究のための選択されたポリシーを含むベンチマークをオープンソースにします。
  論文  参考訳（メタデータ） (2023-08-30T07:16:11Z)
• Improved Bayes Risk Can Yield Reduced Social Welfare Under Competition [99.7047087527422]
  本研究は,機械学習のスケーリングトレンドの振る舞いを根本的に変化させることを実証する。 データ表現品質の改善により、ユーザ間での全体的な予測精度が低下する、多くの設定が見つかる。 概念レベルでは,各モデルプロジェクタのスケーリング傾向が,社会福祉の下流改善に寄与する必要はないことが示唆された。
  論文  参考訳（メタデータ） (2023-06-26T13:06:34Z)
• Approaching sales forecasting using recurrent neural networks and transformers [57.43518732385863]
  深層学習技術を用いて,日・店・店レベルでの顧客販売予測問題に対処する3つの方法を開発した。 実験結果から,データ前処理を最小限に抑えた単純なシーケンスアーキテクチャを用いて,優れた性能を実現することができることを示す。 提案した解は約0.54の RMSLE を達成し、Kaggle コンペティションで提案された問題に対する他のより具体的な解と競合する。
  論文  参考訳（メタデータ） (2022-04-16T12:03:52Z)
• Improvements to short-term weather prediction with recurrent-convolutional networks [0.0]
  本稿では,第2回Weather4cast 2021コンペティションにおいて,モデルをさらに改良するための著者の取り組みについて述べる。 競技の指標に対する最大の量的改善は、競技の第2段階で利用可能なトレーニングデータの量の増加に起因する可能性がある。
  論文  参考訳（メタデータ） (2021-11-11T14:38:15Z)
• Using Experts' Opinions in Machine Learning Tasks [0.0]
  機械学習タスクにおける専門家の洞察を活用するための一般的な3段階のフレームワークを提案する。 ケーススタディでは,カグル競技会の焦点となったNCAA男子バスケットボールの試合を予測するタスクを選択した。 その結果、過去のモデルの性能と高いスコアは偶然の結果であり、優れた性能と安定したモデルによるものではないことが示唆された。
  論文  参考訳（メタデータ） (2020-08-10T15:48:49Z)

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。