論文の概要: A Discussion on Practical Considerations with Sparse Regression
Methodologies
- arxiv url: http://arxiv.org/abs/2011.09362v2
- Date: Mon, 8 Feb 2021 19:43:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-24 05:21:55.305968
- Title: A Discussion on Practical Considerations with Sparse Regression
Methodologies
- Title(参考訳): 疎回帰手法による実践的考察の考察
- Authors: Owais Sarwar and Benjamin Sauk and Nikolaos V. Sahinidis
- Abstract要約: 統計科学に掲載された2つの論文は、いくつかのスパース回帰法の比較性能について研究している。
この2つの研究を要約して比較し,ユーザへの明快さと価値の提供を目指す。
- 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: Sparse linear regression is a vast field and there are many different
algorithms available to build models. Two new papers published in Statistical
Science study the comparative performance of several sparse regression
methodologies, including the lasso and subset selection. Comprehensive
empirical analyses allow the researchers to demonstrate the relative merits of
each estimator and provide guidance to practitioners. In this discussion, we
summarize and compare the two studies and we examine points of agreement and
divergence, aiming to provide clarity and value to users. The authors have
started a highly constructive dialogue, our goal is to continue it.
- Abstract(参考訳): スパース線形回帰は広大なフィールドであり、モデルを構築するための多くの異なるアルゴリズムがある。
統計科学で発表された2つの新しい論文は、ラッソとサブセットの選択を含むいくつかのスパース回帰手法の比較性能について研究している。
包括的な実証分析により、研究者はそれぞれの推定者の相対的なメリットを実証し、実践者へのガイダンスを提供することができる。
本稿では,この2つの研究を要約して比較し,ユーザへの明快さと価値の提供を目的とした合意点と相違点について検討する。
著者らは高度に構築的な対話を開始し、その継続を目標にしています。
関連論文リスト
- Improving Factuality of Abstractive Summarization via Contrastive Reward
Learning [77.07192378869776]
本稿では,報酬学習と実効性指標の最近の発展を取り入れた,シンプルだが効果的なコントラスト学習フレームワークを提案する。
実証的研究により,提案手法により,実測値のフィードバックから要約モデルを学習できることが実証された。
論文 参考訳(メタデータ) (2023-07-10T12:01:18Z) - Optimal Heterogeneous Collaborative Linear Regression and Contextual
Bandits [34.121889149071684]
本研究では、各インスタンスの関連パラメータが大域的パラメータとスパースなインスタンス固有項と等しくなるような協調線形回帰と文脈的バンドイットについて検討する。
MOLARと呼ばれる新しい2段階推定器を提案し、まず、インスタンスの線形回帰推定のエントリーワイド中央値を構築し、その後、インスタンス固有推定値を中央値に向けて縮小することで、この構造を利用する。
次に、MOLARを用いて、不均一な協調的文脈的包帯の手法を開発し、独立した包帯法と比較して、後悔の保証を改善する。
論文 参考訳(メタデータ) (2023-06-09T22:48:13Z) - A Unified Model and Dimension for Interactive Estimation [20.39351301232109]
モデルにおける学習可能性を大きく捉えた異種性次元(dissimilarity dimension)という尺度を導入する。
このフレームワークは,統計的クエリ学習と構造化帯域幅の2つの古典的学習モデルを仮定し,統一することを示す。
論文 参考訳(メタデータ) (2023-06-09T18:21:04Z) - Multimodal Relation Extraction with Cross-Modal Retrieval and Synthesis [89.04041100520881]
本研究は,対象物,文,画像全体に基づいて,テキストおよび視覚的証拠を検索することを提案する。
我々は,オブジェクトレベル,画像レベル,文レベル情報を合成し,同一性と異なるモダリティ間の推論を改善する新しい手法を開発した。
論文 参考訳(メタデータ) (2023-05-25T15:26:13Z) - On the role of benchmarking data sets and simulations in method
comparison studies [0.0]
本稿では,シミュレーション研究とベンチマーク研究の相違点と類似点について検討する。
混合手法研究や臨床シナリオ評価など,さまざまな文脈からアイデアを借りる。
論文 参考訳(メタデータ) (2022-08-02T13:47:53Z) - Multi-Study Boosting: Theoretical Considerations for Merging vs.
Ensembling [2.252304836689618]
クロススタディの再現性は、予測の一般化性を強調する強力なモデル評価基準である。
本研究では, 予測・アウトカム関係における潜在的不均一性の存在下での促進アルゴリズムについて検討した。
我々は,1)すべての学習をマージし,単一のモデルを訓練する,2)マルチスタディ・アンサンブル(multi-study ensembling)という2つのマルチスタディ・ラーニング戦略を比較した。
論文 参考訳(メタデータ) (2022-07-11T02:25:47Z) - PAIR: Leveraging Passage-Centric Similarity Relation for Improving Dense
Passage Retrieval [87.68667887072324]
本稿では,クエリ中心とPAssage中心のsmilarity Relations(PAIR)を併用した新しい手法を提案する。
本稿では,2種類の類似性関係の形式的定式化を導入することにより,3つの主要な技術的貢献を行う。
MSMARCOとNatural Questionsの両方のデータセットにおいて、従来の最先端モデルよりも大幅に優れています。
論文 参考訳(メタデータ) (2021-08-13T02:07:43Z) - A Statistical Analysis of Summarization Evaluation Metrics using
Resampling Methods [60.04142561088524]
信頼区間は比較的広く,信頼性の高い自動測定値の信頼性に高い不確実性を示す。
多くのメトリクスはROUGEよりも統計的改善を示していないが、QAEvalとBERTScoreという2つの最近の研究は、いくつかの評価設定で行われている。
論文 参考訳(メタデータ) (2021-03-31T18:28:14Z) - How to Evaluate a Summarizer: Study Design and Statistical Analysis for
Manual Linguistic Quality Evaluation [3.624563211765782]
評価手法の最良の選択は、ある側面から別の側面まで様々であることを示す。
その結果,アノテータの総数は研究力に強い影響を及ぼす可能性が示唆された。
現在の統計解析手法では、I型エラー率を最大8倍にすることができる。
論文 参考訳(メタデータ) (2021-01-27T10:14:15Z) - Nonparametric Estimation of Heterogeneous Treatment Effects: From Theory
to Learning Algorithms [91.3755431537592]
プラグイン推定と擬似出力回帰に依存する4つの幅広いメタ学習戦略を解析する。
この理論的推論を用いて、アルゴリズム設計の原則を導出し、分析を実践に翻訳する方法について強調する。
論文 参考訳(メタデータ) (2021-01-26T17:11:40Z) - How Far are We from Effective Context Modeling? An Exploratory Study on
Semantic Parsing in Context [59.13515950353125]
文法に基づく意味解析を行い,その上に典型的な文脈モデリング手法を適用する。
我々は,2つの大きなクロスドメインデータセットに対して,13のコンテキストモデリング手法を評価した。
論文 参考訳(メタデータ) (2020-02-03T11:28:10Z)
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。