論文の概要: Inference for BART with Multinomial Outcomes
- arxiv url: http://arxiv.org/abs/2101.06823v1
- Date: Mon, 18 Jan 2021 00:59:03 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-27 06:02:10.220436
- Title: Inference for BART with Multinomial Outcomes
- Title(参考訳): 多項出力を用いたBARTの推論
- Authors: Yizhen Xu, Joseph W. Hogan, Michael J. Daniels, Rami Kantor, Ann
Mwangi
- Abstract要約: MPBARTフレームワークに適合する2つの新しいアルゴリズムを紹介します。
本提案の理論的混合率はkdの既存のアルゴリズムと同等かそれ以上であることを示す。
この研究は、HIV陽性患者の死亡率と入院率に後続の予測分布を発生させることによって動機付けられている。
- 参考スコア(独自算出の注目度): 1.1199585259018459
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The multinomial probit Bayesian additive regression trees (MPBART) framework
was proposed by Kindo et al. (KD), approximating the latent utilities in the
multinomial probit (MNP) model with BART (Chipman et al. 2010). Compared to
multinomial logistic models, MNP does not assume independent alternatives and
the correlation structure among alternatives can be specified through
multivariate Gaussian distributed latent utilities. We introduce two new
algorithms for fitting the MPBART and show that the theoretical mixing rates of
our proposals are equal or superior to the existing algorithm in KD. Through
simulations, we explore the robustness of the methods to the choice of
reference level, imbalance in outcome frequencies, and the specifications of
prior hyperparameters for the utility error term. The work is motivated by the
application of generating posterior predictive distributions for mortality and
engagement in care among HIV-positive patients based on electronic health
records (EHRs) from the Academic Model Providing Access to Healthcare (AMPATH)
in Kenya. In both the application and simulations, we observe better
performance using our proposals as compared to KD in terms of MCMC convergence
rate and posterior predictive accuracy.
- Abstract(参考訳): multinomial probit bayesian additive regression trees (mpbart) フレームワークはkindoらによって提案された。
(kd)は,マルチノミナルプロビット(mnp)モデルの潜在ユーティリティをbart(chipman et al.)で近似する。
2010).
多項ロジスティックモデルと比較して、MNPは独立した代替案を仮定せず、多変量ガウス分布潜在ユーティリティを通して代替案間の相関構造を特定できる。
我々はMPBARTに適合する2つの新しいアルゴリズムを導入し、提案手法の理論的混合速度が既存のKDアルゴリズムと等しいか優れていることを示す。
シミュレーションを通じて,提案手法のロバスト性,基準レベルの選択,結果周波数の不均衡,実用的誤差項に対する事前ハイパーパラメータの仕様について検討する。
この研究は、ケニアのAMPATH(Academic Model Providing Access to Healthcare)からEHR(Electronic Health Record)に基づいて、HIV陽性患者の死亡率と罹患率に関する後続の予測分布を生成することによる。
応用とシミュレーションの両方において,mcmc収束率と後方予測精度の観点からkdと比較して,提案手法により良好な性能が得られた。
関連論文リスト
- Tractable and Near-Optimal Adversarial Algorithms for Robust Estimation
in Contaminated Gaussian Models [1.609950046042424]
ハマーの汚染されたガウスモデルの下での位置と分散行列の同時推定の問題を考える。
まず,非パラメトリック判別器を用いた生成逆数法に対応する最小$f$-divergence推定法について検討した。
ネスト最適化により実装可能な,単純なスプライン判別器を用いたトラクタブル逆数アルゴリズムを開発した。
提案手法は,$f$-divergenceと使用したペナルティに応じて,最小値の最適値またはほぼ最適値を達成する。
論文 参考訳(メタデータ) (2021-12-24T02:46:51Z) - A Unified Framework for Multi-distribution Density Ratio Estimation [101.67420298343512]
バイナリ密度比推定(DRE)は多くの最先端の機械学習アルゴリズムの基礎を提供する。
ブレグマン最小化の発散の観点から一般的な枠組みを開発する。
我々のフレームワークはバイナリDREでそれらのフレームワークを厳格に一般化する手法に導かれることを示す。
論文 参考訳(メタデータ) (2021-12-07T01:23:20Z) - Pseudo-Spherical Contrastive Divergence [119.28384561517292]
エネルギーベースモデルの最大学習確率を一般化するために,擬球面コントラスト分散(PS-CD)を提案する。
PS-CDは難解な分割関数を避け、学習目的の一般化されたファミリーを提供する。
論文 参考訳(メタデータ) (2021-11-01T09:17:15Z) - PSD Representations for Effective Probability Models [117.35298398434628]
最近提案された非負関数に対する正半定値(PSD)モデルがこの目的に特に適していることを示す。
我々はPSDモデルの近似と一般化能力の両方を特徴付け、それらが強い理論的保証を享受していることを示す。
本研究では,PSDモデルの密度推定,決定理論,推論への応用への道を開く。
論文 参考訳(メタデータ) (2021-06-30T15:13:39Z) - Model Selection for Bayesian Autoencoders [25.619565817793422]
本稿では,オートエンコーダの出力と経験的データ分布との分散スライス-ワッサーシュタイン距離を最適化することを提案する。
我々のBAEは、フレキシブルなディリクレ混合モデルを潜在空間に適合させることにより、生成モデルに変換する。
我々は,教師なしの学習課題に対する膨大な実験的キャンペーンを質的かつ定量的に評価し,先行研究が重要となる小規模データ体制において,我々のアプローチが最先端の結果をもたらすことを示す。
論文 参考訳(メタデータ) (2021-06-11T08:55:00Z) - Automatically Differentiable Random Coefficient Logistic Demand
Estimation [0.0]
本稿では, ランダム係数ロジスティック・デマンド(BLP)モデルを, 自動微分可能なモーメント関数として表現する方法を示す。
これにより、CUE(Continuously Updating Estimator)を用いた勾配に基づく周期性および準ベイズ推定が可能となる。
予備的な結果は、LTEと頻繁な最適化を用いて推定したCUEは、従来の2段階のGMM(2S-GMM)アプローチと比較して、より低いバイアスを持つが、MAEが高いことを示唆している。
論文 参考訳(メタデータ) (2021-06-08T18:50:11Z) - On Centralized and Distributed Mirror Descent: Exponential Convergence
Analysis Using Quadratic Constraints [8.336315962271396]
ミラー降下(MD)は、勾配降下(GD)を含むいくつかのアルゴリズムを仮定する強力な一階最適化手法である。
本研究では,強い凸と滑らかな問題に対して,集中型および分散型のMDの正確な収束率について検討した。
論文 参考訳(メタデータ) (2021-05-29T23:05:56Z) - BORE: Bayesian Optimization by Density-Ratio Estimation [34.22533785573784]
我々は, クラス確率推定と密度比推定の関連に基づいて, 期待改良 (ei) 関数を二分分類問題として位置づけた。
この改革は、特に汎用性とスケーラビリティの観点から、多くの利点をもたらします。
論文 参考訳(メタデータ) (2021-02-17T20:04:11Z) - Bayesian prognostic covariate adjustment [59.75318183140857]
疾患の結果に関する歴史的データは、様々な方法で臨床試験の分析に組み込むことができる。
我々は, 予測モデルからの予後スコアを用いて, 治療効果推定の効率を向上する既存の文献に基づいて構築する。
論文 参考訳(メタデータ) (2020-12-24T05:19:03Z) - Probabilistic electric load forecasting through Bayesian Mixture Density
Networks [70.50488907591463]
確率的負荷予測(PLF)は、スマートエネルギーグリッドの効率的な管理に必要な拡張ツールチェーンの重要なコンポーネントです。
ベイジアン混合密度ネットワークを枠とした新しいPLFアプローチを提案する。
後方分布の信頼性と計算にスケーラブルな推定を行うため,平均場変動推定と深層アンサンブルを統合した。
論文 参考訳(メタデータ) (2020-12-23T16:21:34Z) - Efficient semidefinite-programming-based inference for binary and
multi-class MRFs [83.09715052229782]
分割関数やMAP推定をペアワイズMRFで効率的に計算する手法を提案する。
一般のバイナリMRFから完全多クラス設定への半定緩和を拡張し、解法を用いて再び効率的に解けるようなコンパクトな半定緩和を開発する。
論文 参考訳(メタデータ) (2020-12-04T15:36:29Z)
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。