論文の概要: Debiased Kernel Methods
- arxiv url: http://arxiv.org/abs/2102.11076v1
- Date: Mon, 22 Feb 2021 14:46:23 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-24 06:00:14.044063
- Title: Debiased Kernel Methods
- Title(参考訳): Debiased Kernel Methods
- Authors: Rahul Singh
- Abstract要約: 汎用カーネル法の関数に対する信頼区間を計算するために,バイアス補正とサンプル分割に基づく実用的手順を提案する。
RKHS学習理論の古典的な仮定もまた推論を示唆していることを示す。
- 参考スコア(独自算出の注目度): 3.398662563413433
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: I propose a practical procedure based on bias correction and sample splitting
to calculate confidence intervals for functionals of generic kernel methods,
i.e. nonparametric estimators learned in a reproducing kernel Hilbert space
(RKHS). For example, an analyst may desire confidence intervals for functionals
of kernel ridge regression or kernel instrumental variable regression. The
framework encompasses (i) evaluations over discrete domains, (ii) treatment
effects of discrete treatments, and (iii) incremental treatment effects of
continuous treatments. For the target quantity, whether it is (i)-(iii), I
prove pointwise root-n consistency, Gaussian approximation, and semiparametric
efficiency by finite sample arguments. I show that the classic assumptions of
RKHS learning theory also imply inference.
- Abstract(参考訳): 汎用カーネル法の関数に対する信頼区間を計算するために,バイアス補正とサンプル分割に基づく実用的手順を提案する。
再生カーネルヒルベルト空間(RKHS)で学習された非パラメトリック推定器。
例えば、アナリストはカーネルリッジ回帰やカーネルインストゥルメンタル変数回帰の関数に対する信頼区間を求めるかもしれない。
本フレームワークは, (i) 個別領域に対する評価, (ii) 個別処理による治療効果, (iii) 連続処理による漸進的な治療効果を含む。
対象量について、(i)-(iii) であっても、有限サンプル引数による点方向のルート-n整合、ガウス近似、半パラメトリック効率を証明します。
RKHS学習理論の古典的な仮定もまた推論を示唆していることを示す。
関連論文リスト
- Gaussian Process Regression under Computational and Epistemic
Misspecification [5.393695255603843]
大規模データアプリケーションでは、カーネルの低ランクあるいはスパース近似を用いて計算コストを削減できる。
本稿では,そのようなカーネル近似が要素誤差に与える影響について検討する。
論文 参考訳(メタデータ) (2023-12-14T18:53:32Z) - Kernel-based off-policy estimation without overlap: Instance optimality
beyond semiparametric efficiency [53.90687548731265]
本研究では,観測データに基づいて線形関数を推定するための最適手順について検討する。
任意の凸および対称函数クラス $mathcalF$ に対して、平均二乗誤差で有界な非漸近局所ミニマックスを導出する。
論文 参考訳(メタデータ) (2023-01-16T02:57:37Z) - Statistical Optimality of Divide and Conquer Kernel-based Functional
Linear Regression [1.7227952883644062]
本稿では,対象関数が基礎となるカーネル空間に存在しないシナリオにおいて,分割・コンカレント推定器の収束性能について検討する。
分解に基づくスケーラブルなアプローチとして、関数線形回帰の分割・収束推定器は、時間とメモリにおけるアルゴリズムの複雑さを大幅に減らすことができる。
論文 参考訳(メタデータ) (2022-11-20T12:29:06Z) - Experimental Design for Linear Functionals in Reproducing Kernel Hilbert
Spaces [102.08678737900541]
線形汎関数に対するバイアス認識設計のためのアルゴリズムを提供する。
準ガウス雑音下での固定および適応設計に対する漸近的でない信頼集合を導出する。
論文 参考訳(メタデータ) (2022-05-26T20:56:25Z) - Meta-Learning Hypothesis Spaces for Sequential Decision-making [79.73213540203389]
オフラインデータ(Meta-KeL)からカーネルをメタ学習することを提案する。
穏やかな条件下では、推定されたRKHSが有効な信頼セットを得られることを保証します。
また,ベイズ最適化におけるアプローチの有効性を実証的に評価した。
論文 参考訳(メタデータ) (2022-02-01T17:46:51Z) - Optimal policy evaluation using kernel-based temporal difference methods [78.83926562536791]
カーネルヒルベルト空間を用いて、無限水平割引マルコフ報酬過程の値関数を推定する。
我々は、関連するカーネル演算子の固有値に明示的に依存した誤差の非漸近上界を導出する。
MRP のサブクラスに対する minimax の下位境界を証明する。
論文 参考訳(メタデータ) (2021-09-24T14:48:20Z) - 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) - Scalable Variational Gaussian Processes via Harmonic Kernel
Decomposition [54.07797071198249]
汎用性を維持しつつ高い忠実度近似を提供する,スケーラブルな変分ガウス過程近似を導入する。
様々な回帰問題や分類問題において,本手法は変換やリフレクションなどの入力空間対称性を活用できることを実証する。
提案手法は, 純粋なGPモデルのうち, CIFAR-10 の最先端化を実現する。
論文 参考訳(メタデータ) (2021-06-10T18:17:57Z) - Equivalence of Convergence Rates of Posterior Distributions and Bayes
Estimators for Functions and Nonparametric Functionals [4.375582647111708]
非パラメトリック回帰におけるガウス過程の先行したベイズ法の後部収縮率について検討する。
カーネルの一般クラスに対しては、回帰関数とその微分の後方測度の収束率を確立する。
我々の証明は、ある条件下では、ベイズ推定器の任意の収束率に対して、後部分布の同じ収束率に対応することを示す。
論文 参考訳(メタデータ) (2020-11-27T19:11:56Z) - SLEIPNIR: Deterministic and Provably Accurate Feature Expansion for
Gaussian Process Regression with Derivatives [86.01677297601624]
本稿では,2次フーリエ特徴に基づく導関数によるGP回帰のスケーリング手法を提案する。
我々は、近似されたカーネルと近似された後部の両方に適用される決定論的、非漸近的、指数関数的に高速な崩壊誤差境界を証明した。
論文 参考訳(メタデータ) (2020-03-05T14:33:20Z)
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。