論文の概要: A Survey Of Regression Algorithms And Connections With Deep Learning
- arxiv url: http://arxiv.org/abs/2104.12647v1
- Date: Mon, 26 Apr 2021 15:18:00 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-27 19:13:54.256296
- Title: A Survey Of Regression Algorithms And Connections With Deep Learning
- Title（参考訳）: ディープラーニングによる回帰アルゴリズムと関係性の調査
- Authors: Yunpeng Tai
- Abstract要約: 回帰は近年、値の予測のようなタスクの有効性のために、大きな関心を集めている。
本稿では,近年の回帰アルゴリズムの広範かつ思慮深い選択を特徴付ける。
RegressionとDeep Learningの関係も議論され、Deep Learningが将来Regressionモデルとの組み合わせとしてより強力になるという結論を導くことができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Regression has attracted immense interest lately due to its effectiveness in
tasks like predicting values. And Regression is of widespread use in multiple
fields such as Economics, Finance, Business, Biology and so on. While
considerable studies have proposed some impressive models, few of them have
provided a whole picture regarding how and to what extent Regression has
developed. With the aim of aiding beginners in understanding the relationships
among different Regression algorithms, this paper characterizes a broad and
thoughtful selection of recent regression algorithms, providing an organized
and comprehensive overview of existing work and models utilized frequently. In
this paper, the relationship between Regression and Deep Learning is also
discussed and a conclusion can be drawn that Deep Learning can be more powerful
as an combination with Regression models in the future.
- Abstract（参考訳）: 回帰は近年、値の予測のようなタスクの有効性のために、大きな関心を集めている。
また、レグレッションは、経済、金融、ビジネス、生物学など、複数の分野で広く利用されている。
かなりの研究によっていくつかの印象的なモデルが提案されているが、回帰がどのようにして発展してきたかについての全体像を提供するものはほとんどない。
本稿では,様々な回帰アルゴリズム間の関係を理解するために初心者を支援することを目的として,最近の回帰アルゴリズムの広範囲かつ思慮深い選択を特徴付ける。
本稿では,回帰モデルと深層学習との関係についても検討し,今後の回帰モデルと組み合わせることで,深層学習がより強力になることを示す。
関連論文リスト
- Active learning for regression in engineering populations: A risk-informed approach [0.0]
回帰は、データ中心のエンジニアリングアプリケーションで一般的な基本的な予測タスクである。
アクティブラーニング(英: Active Learning)は、リソース効率のよい特徴ラベルペアを優先的に取得する手法である。
提案手法は, 予測性能を維持しつつ, 必要な検査回数を削減し, 予測コストの観点から優れた性能を有することを示す。
論文 参考訳（メタデータ） (2024-09-06T15:03:42Z) - State-Space Modeling in Long Sequence Processing: A Survey on Recurrence in the Transformer Era [59.279784235147254]
このサーベイは、シーケンシャルなデータ処理の反復モデルに基づく最新のアプローチの詳細な概要を提供する。
新たなイメージは、標準のバックプロパゲーション・オブ・タイムから外れた学習アルゴリズムによって構成される、新しいルートを考える余地があることを示唆している。
論文 参考訳（メタデータ） (2024-06-13T12:51:22Z) - Understanding Forgetting in Continual Learning with Linear Regression [21.8755265936716]
連続的な学習は、複数のタスクを逐次学習することに焦点を当てており、近年大きな注目を集めている。
線形回帰モデルにおいて, 線形回帰モデルをグラディエント・ディッセンス(Gradient Descent)を用いて, 忘れることの一般的な理論的解析を行う。
十分なデータサイズを考慮に入れれば、集団データ共分散行列の固有値が大きいタスクが後で訓練されるようなシーケンス内のタスクの配置は、忘れが増す傾向にあることを実証する。
論文 参考訳（メタデータ） (2024-05-27T18:33:37Z) - On the Resurgence of Recurrent Models for Long Sequences -- Survey and
Research Opportunities in the Transformer Era [59.279784235147254]
この調査は、Recurrenceの統一の傘の下に構築されたこれらのトレンドの概要を提供することを目的としている。
長いシーケンスを処理するという考え方を捨てる際に顕著になる新しい研究機会を強調している。
論文 参考訳（メタデータ） (2024-02-12T23:55:55Z) - Linked shrinkage to improve estimation of interaction effects in
regression models [0.0]
回帰モデルにおける双方向相互作用項によく適応する推定器を開発する。
我々は,選択戦略では難しい推論モデルの可能性を評価する。
私たちのモデルは、かなり大きなサンプルサイズであっても、ランダムな森林のような、より高度な機械学習者に対して非常に競争力があります。
論文 参考訳（メタデータ） (2023-09-25T10:03:39Z) - Tensor Regression [37.35881539885536]
回帰分析は、データ分析と機械学習の分野における重要な分野である。
ニューロイメージング、コンピュータビジョン、気候学、ソーシャルネットワークなどの技術における高次元データの出現は、従来のデータ表現法に課題をもたらした。
この本は、近年のベクトルに基づく回帰モデルとその応用に関する体系的な研究と分析を提供する。
論文 参考訳（メタデータ） (2023-08-22T13:04:12Z) - Constructing Effective Machine Learning Models for the Sciences: A
Multidisciplinary Perspective [77.53142165205281]
線形回帰モデルに変数間の変換や相互作用を手動で追加することで、非線形解が必ずしも改善されないことを示す。
データ駆動モデルを構築する前にこれを認識する方法や、そのような分析が本質的に解釈可能な回帰モデルへの移行にどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2022-11-21T17:48:44Z) - Interpretable Scientific Discovery with Symbolic Regression: A Review [8.414043731621419]
記号回帰は、データから直接数学的表現を学ぶための有望な機械学習手法として現れつつある。
本調査では,シンボル回帰法について概観し,その強度と限界について考察する。
論文 参考訳（メタデータ） (2022-11-20T05:12:39Z) - Regression Bugs Are In Your Model! Measuring, Reducing and Analyzing
Regressions In NLP Model Updates [68.09049111171862]
この研究は、NLPモデル更新における回帰エラーの定量化、低減、分析に重点を置いている。
回帰フリーモデル更新を制約付き最適化問題に定式化する。
モデルアンサンブルが回帰を減らす方法を実証的に分析します。
論文 参考訳（メタデータ） (2021-05-07T03:33:00Z) - Nonparametric Estimation of Heterogeneous Treatment Effects: From Theory
to Learning Algorithms [91.3755431537592]
プラグイン推定と擬似出力回帰に依存する4つの幅広いメタ学習戦略を解析する。
この理論的推論を用いて、アルゴリズム設計の原則を導出し、分析を実践に翻訳する方法について強調する。
論文 参考訳（メタデータ） (2021-01-26T17:11:40Z) - Relation-Guided Representation Learning [53.60351496449232]
本稿では,サンプル関係を明示的にモデル化し,活用する表現学習手法を提案する。
私たちのフレームワークは、サンプル間の関係をよく保存します。
サンプルをサブスペースに埋め込むことにより,本手法が大規模なサンプル外問題に対処可能であることを示す。
論文 参考訳（メタデータ） (2020-07-11T10:57:45Z)
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。