Fugu-MT 論文翻訳(概要): Optimal Policy Trees

論文の概要: Optimal Policy Trees

arxiv url: http://arxiv.org/abs/2012.02279v1
Date: Thu, 3 Dec 2020 21:41:22 GMT
ステータス: 処理完了
システム内更新日: 2021-05-23 14:48:14.240371
Title: Optimal Policy Trees
Title（参考訳）: 最適政策ツリー
Authors: Maxime Amram, Jack Dunn, Ying Daisy Zhuo
Abstract要約: そこで本研究では,データから直接,木に基づく最適な処方則を学習するためのアプローチを提案する。我々は、因果推論文献からの反実的推定法と、世界最適決定木訓練の最近の進歩を組み合わせる。結果のメソッドであるOptimal Policy Treesは、解釈可能な処方則を出力する。
参考スコア（独自算出の注目度）: 0.6015898117103068
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose an approach for learning optimal tree-based prescription policies directly from data, combining methods for counterfactual estimation from the causal inference literature with recent advances in training globally-optimal decision trees. The resulting method, Optimal Policy Trees, yields interpretable prescription policies, is highly scalable, and handles both discrete and continuous treatments. We conduct extensive experiments on both synthetic and real-world datasets and demonstrate that these trees offer best-in-class performance across a wide variety of problems.
Abstract（参考訳）: 本研究では,データから直接木ベース処方ポリシーを学習する手法を提案し,因果推論文献からの反事実推定法とグローバル最適決定木訓練の最近の進歩を組み合わせた。得られたメソッドであるOptimal Policy Treesは解釈可能な処方薬ポリシーを出力し、高度にスケーラブルで、離散的および連続的な処理を処理します。合成と実世界の両方のデータセットについて広範な実験を行い、これらの木が様々な問題に対して最高の性能を提供することを示した。

関連論文リスト

Learning Deep Tree-based Retriever for Efficient Recommendation: Theory and Method [76.31185707649227]
効率的なレコメンデーションのために,Deep Tree-based Retriever (DTR)を提案する。 DTRは、トレーニングタスクを、同じレベルでツリーノード上のソフトマックスベースのマルチクラス分類としてフレーム化している。非リーフノードのラベル付けによって引き起こされる準最適性を緩和するため、損失関数の補正法を提案する。
論文参考訳（メタデータ） (2024-08-21T05:09:53Z)
Learning a Decision Tree Algorithm with Transformers [75.96920867382859]
メタ学習によってトレーニングされたトランスフォーマーベースのモデルであるMetaTreeを導入し、強力な決定木を直接生成する。我々は、多くのデータセットに欲求決定木とグローバルに最適化された決定木の両方を適合させ、MetaTreeを訓練して、強力な一般化性能を実現する木のみを生成する。
論文参考訳（メタデータ） (2024-02-06T07:40:53Z)
Rolling Lookahead Learning for Optimal Classification Trees [0.0]
本稿では,木構築における最適手法の展望と,ミオピックアプローチの相対的拡張性を組み合わせた転がりサブツリールックアヘッドアルゴリズムを提案する。提案手法は1330件のうち808件において最適, 筋電図的アプローチよりも優れ, サンプル外精度を最大で23.6%, 14.4%向上した。
論文参考訳（メタデータ） (2023-04-21T09:17:00Z)
A Mathematical Programming Approach to Optimal Classification Forests [1.0705399532413618]
本稿では,与えられた木を同時に構築する数学的最適化手法を提案する。分類規則は、森林の樹木の中で最も頻繁に予測される分類をそれぞれの観察に割り当てることによって導かれる。提案手法は,最先端木分類法と同等あるいは優れた性能を示す。
論文参考訳（メタデータ） (2022-11-18T20:33:08Z)
Social Interpretable Tree for Pedestrian Trajectory Prediction [75.81745697967608]
本稿では,このマルチモーダル予測課題に対処するため,SIT(Social Interpretable Tree)と呼ばれる木に基づく手法を提案する。木の根から葉までの経路は、個々の将来の軌跡を表す。 ETH-UCYとStanford Droneのデータセットによる実験結果からは,手作り木にもかかわらず,我々の手法が最先端の手法の性能に適合または超えることを示した。
論文参考訳（メタデータ） (2022-05-26T12:18:44Z)
Learning Optimal Prescriptive Trees from Observational Data [7.215903549622416]
混合整数最適化(MIO)技術を用いて最適規範木を学習する手法を提案する。既存の文献とは対照的に、我々の手法はデータをランダム化する必要がなく、2)学習木に厳密な仮定を課さず、3)ドメイン固有の制約をモデル化する能力を持っている。
論文参考訳（メタデータ） (2021-08-31T05:38:36Z)
Stochastic Optimization Forests [60.523606291705214]
標準的なランダムな森林アルゴリズムのように予測精度を向上させるために分割するのではなく、分割を選択した木を栽培し、下流の意思決定品質を直接最適化することで、森林決定政策の訓練方法を示す。概略分割基準は、各候補分割に対して正確に最適化された森林アルゴリズムに近い性能を保ちながら、100倍のランニング時間を短縮できることを示す。
論文参考訳（メタデータ） (2020-08-17T16:56:06Z)
MurTree: Optimal Classification Trees via Dynamic Programming and Search [61.817059565926336]
動的プログラミングと探索に基づいて最適な分類木を学習するための新しいアルゴリズムを提案する。当社のアプローチでは,最先端技術が必要とする時間のごく一部しか使用せず,数万のインスタンスでデータセットを処理することが可能です。
論文参考訳（メタデータ） (2020-07-24T17:06:55Z)
Generalized and Scalable Optimal Sparse Decision Trees [56.35541305670828]
様々な目的に対して最適な決定木を生成する手法を提案する。また,連続変数が存在する場合に最適な結果が得られるスケーラブルなアルゴリズムも導入する。
論文参考訳（メタデータ） (2020-06-15T19:00:11Z)

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。