Fugu-MT 論文翻訳(概要): Statistical Inference after Kernel Ridge Regression Imputation under item nonresponse

論文の概要: Statistical Inference after Kernel Ridge Regression Imputation under item nonresponse

arxiv url: http://arxiv.org/abs/2102.00058v1
Date: Fri, 29 Jan 2021 20:46:33 GMT
ステータス: 処理完了
システム内更新日: 2021-02-02 16:12:11.257701
Title: Statistical Inference after Kernel Ridge Regression Imputation under item nonresponse
Title（参考訳）: Kernel Ridge Regression Imputation の項目非応答における統計的推論
Authors: Hengfang Wang, Jae-Kwang Kim
Abstract要約: カーネルリッジ回帰法による非パラメトリックな計算手法を考察し、一貫した分散推定を提案する。提案した分散推定器はエントロピー法を用いて密度比を推定する線形化手法に基づいている。
参考スコア（独自算出の注目度）: 0.76146285961466
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Imputation is a popular technique for handling missing data. We consider a nonparametric approach to imputation using the kernel ridge regression technique and propose consistent variance estimation. The proposed variance estimator is based on a linearization approach which employs the entropy method to estimate the density ratio. The root-n consistency of the imputation estimator is established when a Sobolev space is utilized in the kernel ridge regression imputation, which enables us to develop the proposed variance estimator. Synthetic data experiments are presented to confirm our theory.
Abstract（参考訳）: Imputationは、欠落したデータを扱う一般的なテクニックである。カーネルリッジ回帰法による非パラメトリックな計算手法を考察し、一貫した分散推定を提案する。提案する分散推定器は,エントロピー法を用いて密度比を推定する線形化手法に基づいている。核リッジ回帰インプテーションにおいてソボレフ空間を利用した場合, インプテーション推定器のルートn一貫性が確立され, 提案する分散推定器の開発が可能となる。本理論を検証するために合成データ実験を行った。

関連論文リスト

Progression: an extrapolation principle for regression [0.0]
本稿では,新しい統計外挿原理を提案する。これは、予測器とトレーニング予測器のサンプルの境界における応答との単純な関係を仮定する。我々の半パラメトリック法である進行法は、この外挿原理を活用し、トレーニングデータ範囲を超えた近似誤差の保証を提供する。
論文参考訳（メタデータ） (2024-10-30T17:29:51Z)
Total Uncertainty Quantification in Inverse PDE Solutions Obtained with Reduced-Order Deep Learning Surrogate Models [50.90868087591973]
機械学習サロゲートモデルを用いて得られた逆PDE解の総不確かさを近似したベイズ近似法を提案する。非線型拡散方程式に対する反復的アンサンブルスムーズおよび深層アンサンブル法との比較により,提案手法を検証した。
論文参考訳（メタデータ） (2024-08-20T19:06:02Z)
Multivariate root-n-consistent smoothing parameter free matching estimators and estimators of inverse density weighted expectations [51.000851088730684]
我々は、パラメトリックな$sqrt n $-rateで収束する、最も近い隣人の新しい修正とマッチング推定器を開発する。我々は,非パラメトリック関数推定器は含まないこと,特に標本サイズ依存パラメータの平滑化には依存していないことを強調する。
論文参考訳（メタデータ） (2024-07-11T13:28:34Z)
Collaborative Heterogeneous Causal Inference Beyond Meta-analysis [68.4474531911361]
異種データを用いた因果推論のための協調的逆確率スコア推定器を提案する。異質性の増加に伴うメタアナリシスに基づく手法に対して,本手法は有意な改善を示した。
論文参考訳（メタデータ） (2024-04-24T09:04:36Z)
Selective Nonparametric Regression via Testing [54.20569354303575]
本研究では,所定の点における条件分散の値に関する仮説を検証し,留置手順を開発する。既存の手法とは異なり、提案手法は分散自体の値だけでなく、対応する分散予測器の不確実性についても考慮することができる。
論文参考訳（メタデータ） (2023-09-28T13:04:11Z)
Positive definite nonparametric regression using an evolutionary algorithm with application to covariance function estimation [0.0]
定常過程の共分散関数を推定するための新しい非パラメトリック回帰フレームワークを提案する。提案手法は, 正定性, 等方性, 単調性を推定者に課すことができる。提案手法は,長距離依存に対する信頼性の高い推定値を提供する。
論文参考訳（メタデータ） (2023-04-25T22:01:14Z)
Density Estimation with Autoregressive Bayesian Predictives [1.5771347525430772]
密度推定の文脈では、標準的なベイズ的アプローチは、後方予測をターゲットとする。我々は、データを潜在空間にマッピングする自己回帰ニューラルネットワークを用いて、帯域幅の新たなパラメータ化を開発する。
論文参考訳（メタデータ） (2022-06-13T20:43:39Z)
Heavy-tailed Streaming Statistical Estimation [58.70341336199497]
ストリーミング$p$のサンプルから重み付き統計推定の課題を考察する。そこで我々は,傾きの雑音に対して,よりニュアンスな条件下での傾きの傾きの低下を設計し,より詳細な解析を行う。
論文参考訳（メタデータ） (2021-08-25T21:30:27Z)
Statistical inference using Regularized M-estimation in the reproducing kernel Hilbert space for handling missing data [0.76146285961466]
まずカーネルリッジレグレッションを用いてアイテム非応答の処理を行う。カーネルヒルベルト空間を用いた非パラメトリック確率スコア推定器も開発した。提案手法は,中国北京で測定された大気汚染データを解析するためのものである。
論文参考訳（メタデータ） (2021-07-15T14:51:39Z)
Statistical Inference for High-Dimensional Linear Regression with Blockwise Missing Data [13.48481978963297]
ブロックワイドなデータは、異なるソースまたはモダリティが相補的な情報を含むマルチソースまたはマルチモダリティデータを統合するときに発生する。本稿では,未偏差推定方程式に基づいて回帰係数ベクトルを計算効率良く推定する手法を提案する。アルツハイマー病神経画像イニシアチブの数値的研究と応用分析により、提案手法は既存の方法よりも教師なしのサンプルからより優れた性能と利益を得られることを示した。
論文参考訳（メタデータ） (2021-06-07T05:12:42Z)
Nonparametric Score Estimators [49.42469547970041]
未知分布によって生成されたサンプルの集合からスコアを推定することは確率モデルの推論と学習における基本的なタスクである。正規化非パラメトリック回帰の枠組みの下で、これらの推定器の統一的なビューを提供する。カールフリーカーネルと高速収束による計算効果を享受する反復正規化に基づくスコア推定器を提案する。
論文参考訳（メタデータ） (2020-05-20T15:01:03Z)

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。