論文の概要: Coresets for Regressions with Panel Data

• arxiv url: http://arxiv.org/abs/2011.00981v2
• Date: Tue, 3 Nov 2020 02:52:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-30 11:37:55.191244
• Title: Coresets for Regressions with Panel Data
• Title（参考訳）: パネルデータによる回帰のためのコアセット
• Authors: Lingxiao Huang, K. Sudhir, Nisheeth K. Vishnoi
• Abstract要約: まず、パネルデータによる回帰問題に対するコアセットを定義し、その後、コアセットを構築するための効率的なアルゴリズムを示す。 われわれのアプローチは、Foldman-Langbergフレームワークに基づいており、重要なステップは「トータル感度」を上向きにすることである。 実証的に、我々のアプローチを実世界のデータセットで評価する。
• 参考スコア（独自算出の注目度）: 29.910677117943568
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper introduces the problem of coresets for regression problems to panel data settings. We first define coresets for several variants of regression problems with panel data and then present efficient algorithms to construct coresets of size that depend polynomially on 1/$\varepsilon$ (where $\varepsilon$ is the error parameter) and the number of regression parameters - independent of the number of individuals in the panel data or the time units each individual is observed for. Our approach is based on the Feldman-Langberg framework in which a key step is to upper bound the "total sensitivity" that is roughly the sum of maximum influences of all individual-time pairs taken over all possible choices of regression parameters. Empirically, we assess our approach with synthetic and real-world datasets; the coreset sizes constructed using our approach are much smaller than the full dataset and coresets indeed accelerate the running time of computing the regression objective.
• Abstract（参考訳）: 本稿では、回帰問題に対するコアセットの問題点をパネルデータ設定に導入する。 まず, パネルデータを用いた回帰問題のいくつかの変種に対するコアセットを定義し, 1/$\varepsilon$(ここでは$\varepsilon$が誤差パラメータである)と, パネルデータ中の個人数や各個人が観測する時間単位に依存しない回帰パラメータの数を, 多項式的に依存する大きさのコアセットを構築するための効率的なアルゴリズムを提案する。 我々のアプローチはフェルドマン=ラングバーグの枠組みに基づいており、重要なステップは、回帰パラメータの可能なすべての選択に対して取られる各時間ペアの最大影響の和である「トータル感度」を上界にすることである。 提案手法を用いて構築したコアセットのサイズは,完全なデータセットよりもはるかに小さく,コアセットは回帰目標を演算する際の実行時間を実際に加速する。

関連論文リスト

• Minimally Supervised Learning using Topological Projections in Self-Organizing Maps [55.31182147885694]
  自己組織化マップ(SOM)におけるトポロジカルプロジェクションに基づく半教師付き学習手法を提案する。 提案手法は,まずラベル付きデータ上でSOMを訓練し,最小限のラベル付きデータポイントをキーベストマッチングユニット(BMU)に割り当てる。 提案した最小教師付きモデルが従来の回帰手法を大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2024-01-12T22:51:48Z)
• Polynomial-Time Solutions for ReLU Network Training: A Complexity Classification via Max-Cut and Zonotopes [70.52097560486683]
  我々は、ReLUネットワークの近似の難しさがマックス・カッツ問題の複雑さを反映しているだけでなく、特定の場合において、それと完全に一致することを証明した。 特に、$epsilonleqsqrt84/83-1approx 0.006$とすると、目的値に関して相対誤差$epsilon$でReLUネットワーク対象の近似グローバルデータセットを見つけることはNPハードであることが示される。
  論文  参考訳（メタデータ） (2023-11-18T04:41:07Z)
• Function Space Bayesian Pseudocoreset for Bayesian Neural Networks [16.952160718249292]
  ベイズ擬似コアセット(Bayesian pseudocoreset)は、大規模データセットの基本情報を要約したコンパクトな合成データセットである。 本稿では,関数空間上で動作する新しいベイズ擬似コアセット構築法を提案する。 関数空間を直接扱うことで、重み空間で作業する際に生じるいくつかの課題を回避できる。
  論文  参考訳（メタデータ） (2023-10-27T02:04:31Z)
• Large-scale Fully-Unsupervised Re-Identification [78.47108158030213]
  大規模未ラベルデータから学ぶための2つの戦略を提案する。 第1の戦略は、近傍関係に違反することなく、それぞれのデータセットサイズを減らすために、局所的な近傍サンプリングを行う。 第2の戦略は、低時間上限の複雑さを持ち、メモリの複雑さを O(n2) から O(kn) に k n で還元する新しい再帰的手法を利用する。
  論文  参考訳（メタデータ） (2023-07-26T16:19:19Z)
• Shuffled Autoregression For Motion Interpolation [53.61556200049156]
  この作業は、モーションタスクのためのディープラーニングソリューションを提供することを目的としている。 本稿では,自己回帰を任意の(シャッフルされた)順序で生成するために拡張する,emphShuffled AutoRegressionと呼ばれる新しいフレームワークを提案する。 また,3つのステージを終端から終端の時空間運動変換器に組み込んだ依存グラフの構築手法を提案する。
  論文  参考訳（メタデータ） (2023-06-10T07:14:59Z)
• Easy Differentially Private Linear Regression [16.325734286930764]
  本研究では,指数関数機構を用いて,非プライベート回帰モデルの集合からタキー深度の高いモデルを選択するアルゴリズムについて検討する。 このアルゴリズムは、データリッチな設定において、強い経験的性能を得る。
  論文  参考訳（メタデータ） (2022-08-15T17:42:27Z)
• Coresets for Time Series Clustering [33.801060211529354]
  本稿では,時系列データを用いたクラスタリング問題に対するコアセット構築の問題について検討する。 我々の主な貢献は混合モデルのためのコアセットを構築するアルゴリズムである。 合成データを用いて,コアセットの性能を実証的に評価した。
  論文  参考訳（メタデータ） (2021-10-28T16:21:13Z)
• High-dimensional regression with potential prior information on variable importance [0.0]
  順序付けによって示されるモデルの列に適合する簡単なスキームを提案する。 リッジ回帰を用いた場合の全てのモデルの適合に対する計算コストは、リッジ回帰の1つの適合に留まらないことを示す。 モデル全体の整合性を大幅に高速化するために,従来の整合性を利用したラッソ回帰の戦略を述べる。
  論文  参考訳（メタデータ） (2021-09-23T10:34:37Z)
• Scalable Spatiotemporally Varying Coefficient Modelling with Bayesian Kernelized Tensor Regression [17.158289775348063]
  カーネル化されたテンソル回帰(BKTR)は、低ランクの時間構造を持つモデリングプロセスに対する新しいスケーラブルなアプローチと考えられる。 そこで本研究では,BKTRのモデル推定と推定において,BKTRの優れた性能と効率性を確認した。
  論文  参考訳（メタデータ） (2021-08-31T19:22:23Z)
• Bottom-Up Human Pose Estimation Via Disentangled Keypoint Regression [81.05772887221333]
  従来のキーポイント検出およびグループ化フレームワークに劣る密度の高いキーポイント回帰フレームワークについて検討する。 我々は,dekr(disentangled keypoint regression)という,単純かつ効果的な手法を提案する。 提案手法はキーポイント検出法やグループ化法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-04-06T05:54:46Z)
• Least Squares Regression with Markovian Data: Fundamental Limits and Algorithms [69.45237691598774]
  マルコフ連鎖からデータポイントが依存しサンプリングされる最小二乗線形回帰問題について検討する。 この問題を$tau_mathsfmix$という観点から、鋭い情報理論のミニマックス下限を確立する。 本稿では,経験的リプレイに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-06-16T04:26:50Z)

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。