論文の概要: Learning a high-dimensional classification rule using auxiliary outcomes

• arxiv url: http://arxiv.org/abs/2011.05493v1
• Date: Wed, 11 Nov 2020 01:14:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-27 00:43:58.201262
• Title: Learning a high-dimensional classification rule using auxiliary outcomes
• Title（参考訳）: 補助結果を用いた高次元分類規則の学習
• Authors: Muxuan Liang, Xiang Zhong, Jaeyoung Park
• Abstract要約: 我々は、利害関係の分類規則を補助的な結果の有無で推定する頑健なアプローチを開発する。 プール型推定器が低い推定誤差とスパース対宇宙偏差を持つ場合, キャリブレーション型推定器は, 利害関係の単一結果のみを用いる場合よりも低い推定誤差が得られることを示す。
• 参考スコア（独自算出の注目度）: 2.916636319274077
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Correlated outcomes are common in many practical problems. Based on a decomposition of estimation bias into two types, within-subspace and against-subspace, we develop a robust approach to estimating the classification rule for the outcome of interest with the presence of auxiliary outcomes in high-dimensional settings. The proposed method includes a pooled estimation step using all outcomes to gain efficiency, and a subsequent calibration step using only the outcome of interest to correct both types of biases. We show that when the pooled estimator has a low estimation error and a sparse against-subspace bias, the calibrated estimator can achieve a lower estimation error than that when using only the single outcome of interest. An inference procedure for the calibrated estimator is also provided. Simulations and a real data analysis are conducted to justify the superiority of the proposed method.
• Abstract（参考訳）: 関連する結果は、多くの実践的な問題に共通している。 推定バイアスを内部空間と反空間の2つのタイプに分解し,高次元環境下での補助的な結果の存在により,利害関係の分類規則を推定する頑健な手法を開発した。 提案手法は,すべての結果を用いて効率を上げるプール推定ステップと,両種類のバイアスを補正するための関心結果のみを用いたキャリブレーションステップとを含む。 本研究では,プール型推定器が推定誤差が低く,反サブスペースバイアスが小さい場合には,単一の利得結果のみを使用する場合よりも推定誤差が低くなることを示す。 校正された推定器の推論手順も提供される。 提案手法の優位性を正当化するためにシミュレーションと実データ解析を行った。

関連論文リスト

• Off-policy estimation with adaptively collected data: the power of online learning [20.023469636707635]
  適応的に収集したデータを用いて, 処理効果の線形関数を推定する。 本稿では,オンライン学習を通じて治療効果の一連の推定を生成できる一般還元方式を提案する。
  論文  参考訳（メタデータ） (2024-11-19T10:18:27Z)
• Dissecting Misalignment of Multimodal Large Language Models via Influence Function [12.832792175138241]
  コントラスト損失に対する拡張影響関数 (ECIF) を導入し, コントラスト損失に対する影響関数について検討した。 ECIFは正と負の両方のサンプルを考慮し、対照的な学習モデルの閉形式近似を提供する。 ECIFを基盤として,MLLMにおけるデータ評価,誤アライメント検出,誤予測トレースバックタスクなどの一連のアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2024-11-18T15:45:41Z)
• Assumption-Lean Post-Integrated Inference with Negative Control Outcomes [0.0]
  負の制御結果を用いて遅延不均一性を調整する頑健なポストインテグレート推論(PII)手法を提案する。 提案手法は,予測された直接効果推定値,隠された仲介者,共同設立者,モデレーターまで拡張する。 提案された二重頑健な推定器は、最小の仮定と潜在的な不特定性の下で一貫性があり、効率的である。
  論文  参考訳（メタデータ） (2024-10-07T12:52:38Z)
• Reduced-Rank Multi-objective Policy Learning and Optimization [57.978477569678844]
  実際には、因果研究者は先験を念頭において1つの結果を持っていない。 政府支援の社会福祉プログラムでは、政策立案者は貧困の多次元的性質を理解するために多くの成果を集めている。 本稿では、最適政策学習の文脈において、複数の結果に対するデータ駆動型次元性推論手法を提案する。
  論文  参考訳（メタデータ） (2024-04-29T08:16:30Z)
• Preference Fine-Tuning of LLMs Should Leverage Suboptimal, On-Policy Data [102.16105233826917]
  好みラベルからの学習は、微調整された大きな言語モデルにおいて重要な役割を果たす。 好みの微調整には、教師付き学習、オンライン強化学習(RL)、コントラスト学習など、いくつかの異なるアプローチがある。
  論文  参考訳（メタデータ） (2024-04-22T17:20:18Z)
• Learning Bias-Invariant Representation by Cross-Sample Mutual Information Minimization [77.8735802150511]
  対象タスクが誤用したバイアス情報を除去するために,クロスサンプル対逆脱バイアス法(CSAD)を提案する。 相関測定は, 対向的偏り評価において重要な役割を担い, クロスサンプル型相互情報推定器によって行われる。 我々は,提案手法の最先端手法に対する利点を検証するために,公開データセットの徹底的な実験を行った。
  論文  参考訳（メタデータ） (2021-08-11T21:17:02Z)
• Learning with Multiclass AUC: Theory and Algorithms [141.63211412386283]
  ROC曲線 (AUC) の下の領域は、不均衡学習やレコメンダシステムといった問題に対するよく知られたランキング基準である。 本稿では,マルチクラスAUCメトリクスを最適化することで,多クラススコアリング関数を学習する問題について検討する。
  論文  参考訳（メタデータ） (2021-07-28T05:18:10Z)
• Counterfactual Maximum Likelihood Estimation for Training Deep Networks [83.44219640437657]
  深層学習モデルは、予測的手がかりとして学習すべきでない急激な相関を学習する傾向がある。 本研究では,観測可能な共同設立者による相関関係の緩和を目的とした因果関係に基づくトレーニングフレームワークを提案する。 自然言語推論(NLI)と画像キャプションという2つの実世界の課題について実験を行った。
  論文  参考訳（メタデータ） (2021-06-07T17:47:16Z)
• Scalable Personalised Item Ranking through Parametric Density Estimation [53.44830012414444]
  暗黙のフィードバックから学ぶことは、一流問題の難しい性質のために困難です。 ほとんどの従来の方法は、一級問題に対処するためにペアワイズランキングアプローチとネガティブサンプラーを使用します。 本論文では,ポイントワイズと同等の収束速度を実現する学習対ランクアプローチを提案する。
  論文  参考訳（メタデータ） (2021-05-11T03:38:16Z)
• Counterfactual Propagation for Semi-Supervised Individual Treatment Effect Estimation [21.285425135761795]
  個別治療効果(英: individual treatment effect、ITE)とは、特定の標的に特定の行動をとる結果の期待された改善を示す。 本研究では、より容易に利用可能な未ラベルのインスタンスを利用する半教師付きITE推定問題について考察する。 本稿では,最初の半教師付きITT推定法である反実伝搬法を提案する。
  論文  参考訳（メタデータ） (2020-05-11T13:32:38Z)

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。