Fugu-MT 論文翻訳(概要): Discrete Choice Analysis with Machine Learning Capabilities

論文の概要: Discrete Choice Analysis with Machine Learning Capabilities

arxiv url: http://arxiv.org/abs/2101.10261v1
Date: Thu, 21 Jan 2021 21:34:43 GMT
ステータス: 処理完了
システム内更新日: 2021-03-21 10:06:23.376916
Title: Discrete Choice Analysis with Machine Learning Capabilities
Title（参考訳）: 機械学習能力を用いた離散的選択分析
Authors: Youssef M. Aboutaleb, Mazen Danaf, Yifei Xie, Moshe Ben-Akiva
Abstract要約: 本稿では,政策分析におけるモデルに不可欠な機能について述べる。機械学習のパラダイムを活用できる分野、すなわち、ユーティリティ方程式のランダム成分の最良の仕様を特定し、体系的に選択する分野を特定する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper discusses capabilities that are essential to models applied in policy analysis settings and the limitations of direct applications of off-the-shelf machine learning methodologies to such settings. Traditional econometric methodologies for building discrete choice models for policy analysis involve combining data with modeling assumptions guided by subject-matter considerations. Such considerations are typically most useful in specifying the systematic component of random utility discrete choice models but are typically of limited aid in determining the form of the random component. We identify an area where machine learning paradigms can be leveraged, namely in specifying and systematically selecting the best specification of the random component of the utility equations. We review two recent novel applications where mixed-integer optimization and cross-validation are used to algorithmically select optimal specifications for the random utility components of nested logit and logit mixture models subject to interpretability constraints.
Abstract（参考訳）: 本稿では、ポリシー分析のモデルに適用する上で不可欠な機能と、そのような設定への市販機械学習方法論の直接適用の限界について述べる。政策分析のための離散的選択モデルを構築する伝統的な計量方法論は、データと主題・マッターの考察によるモデリングの仮定を組み合わせたものである。このような考察は、ランダム効用離散選択モデルの体系的な構成要素を特定するのに最も有用であるが、典型的にはランダム成分の形式を決定するのに限定的な助けとなる。機械学習のパラダイムを活用できる分野、すなわち、ユーティリティ方程式のランダム成分の最良の仕様を特定し、体系的に選択する分野を特定する。本稿では, ネストされたロジットおよびロジット混合モデルのランダムなユーティリティコンポーネントの最適仕様をアルゴリズム的に選択するために, 混合整数最適化とクロスバリデーションを用いる新しい2つの応用について述べる。
全文参考訳へのリンク