Fugu-MT 論文翻訳(概要): Using Ordinal Data to Assess Distance Learning

論文の概要: Using Ordinal Data to Assess Distance Learning

arxiv url: http://arxiv.org/abs/2011.09838v1
Date: Mon, 16 Nov 2020 02:08:28 GMT
ステータス: 処理完了
システム内更新日: 2023-04-23 23:24:06.746478
Title: Using Ordinal Data to Assess Distance Learning
Title（参考訳）: 順序データを用いた遠隔学習の評価
Authors: Matthew Norris
Abstract要約: 本論文は、非パラメトリック仮説テストとクラスタリングによるこれらの変数の検証により、Likertデータを順序付けとして扱う。 Likertスケールのデータを順序づけられたデータとして扱うべきか、それとも連続的なデータとして扱うべきかについては、いくつかの意見の相違がある。
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: There is some disagreement on whether Likert scale data should be treated as ordinal or continuous. This paper treats Likert data as ordinal, uses non-parametric hypothesis testing, and clustering to validate those variables that have significant results from hypothesis testing.
Abstract（参考訳）: Likertスケールのデータが順序的あるいは連続的に扱われるべきかどうかについては、いくつかの意見の相違がある。本稿では、非パラメトリック仮説テストとクラスタリングを用いて、仮説テストで有意な結果を得た変数の検証を行う。

関連論文リスト

Active Statistical Inference [14.00987234726578]
方法論は、どのデータポイントがラベルにとって最も有益かを特定するために、機械学習モデルを使用する。既存のベースラインよりもはるかに少ないサンプルで、同じレベルの精度を達成する。
論文参考訳（メタデータ） (2024-03-05T18:46:50Z)
Sequential Predictive Two-Sample and Independence Testing [114.4130718687858]
逐次的非パラメトリック2サンプルテストと独立テストの問題点について検討する。私たちは賭けによる(非パラメトリックな)テストの原則に基づいています。
論文参考訳（メタデータ） (2023-04-29T01:30:33Z)
Sequential Kernelized Independence Testing [101.22966794822084]
我々は、カーネル化依存度にインスパイアされたシーケンシャルなカーネル化独立試験を設計する。シミュレーションデータと実データの両方にアプローチのパワーを実証する。
論文参考訳（メタデータ） (2022-12-14T18:08:42Z)
Testing Independence of Exchangeable Random Variables [19.973896010415977]
十分なシャッフルデータがあれば、データ項目が統計的に(非)依存しているかどうかを判断できますか? これは可能であることを示し、データが独立で同一に分散されているというヌル仮説を確実に拒否できるテストを開発する。潜在的なアプリケーションはDeep Learningで、データはしばしばインターネット全体から取り除かれ、重複は多い。
論文参考訳（メタデータ） (2022-10-22T08:55:48Z)
Private Sequential Hypothesis Testing for Statisticians: Privacy, Error Rates, and Sample Size [24.149533870085175]
我々は、Renyi差分プライバシーとして知られる、差分プライバシーのわずかな変種の下で、シーケンシャル仮説テスト問題を研究する。我々は,Wald's Sequential Probability Ratio Test (SPRT)に基づく新たなプライベートアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-04-10T04:15:50Z)
Positive-Unlabeled Classification under Class-Prior Shift: A Prior-invariant Approach Based on Density Ratio Estimation [85.75352990739154]
密度比推定に基づく新しいPU分類法を提案する。提案手法の顕著な利点は、訓練段階においてクラスプライヤを必要としないことである。
論文参考訳（メタデータ） (2021-07-11T13:36:53Z)
Double Perturbation: On the Robustness of Robustness and Counterfactual Bias Evaluation [109.06060143938052]
テストデータセットを超えたモデル弱点を明らかにするための"ダブル摂動"フレームワークを提案する。この枠組みを,モデルの頑健さと英語における反事実バイアスの分析に使用される2つの摂動に基づくアプローチに応用する。
論文参考訳（メタデータ） (2021-04-12T06:57:36Z)
The Gap on GAP: Tackling the Problem of Differing Data Distributions in Bias-Measuring Datasets [58.53269361115974]
バイアスモデルを検出する診断データセットは、自然言語処理におけるバイアス低減の重要な前提条件である。収集されたデータの望ましくないパターンは、そのようなテストを誤ったものにします。実験データにおけるそのようなパターンに対処するために, 実験サンプルを重み付けする理論的基礎的手法を提案する。
論文参考訳（メタデータ） (2020-11-03T16:50:13Z)
Stable Prediction via Leveraging Seed Variable [73.9770220107874]
従来の機械学習手法は、非因果変数によって誘導されるトレーニングデータにおいて、微妙に刺激的な相関を利用して予測する。本研究では, 条件付き独立性テストに基づくアルゴリズムを提案し, 種子変数を先行変数とする因果変数を分離し, 安定な予測に採用する。我々のアルゴリズムは、安定した予測のための最先端の手法より優れている。
論文参考訳（メタデータ） (2020-06-09T06:56:31Z)

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。