Fugu-MT 論文翻訳(概要): Learning MR-Sort Models from Non-Monotone Data

論文の概要: Learning MR-Sort Models from Non-Monotone Data

arxiv url: http://arxiv.org/abs/2107.09668v1
Date: Tue, 20 Jul 2021 13:51:16 GMT
ステータス: 処理完了
システム内更新日: 2021-07-22 14:09:59.639051
Title: Learning MR-Sort Models from Non-Monotone Data
Title（参考訳）: 非単調データからmrソートモデルを学ぶ
Authors: Pegdwende Minoungou, Vincent Mousseau, Wassila Ouerdane, Paolo Scotton
Abstract要約: Inv-MR-Sort問題(Inv-MR-Sort)は、データセットに一致するMR-Sortパラメータを計算する。本稿では,トレーニングデータから,他のMR-Sortパラメータとともに,基準の好みを学習する混合整数プログラミングに基づくアルゴリズムを提案する。
参考スコア（独自算出の注目度）: 3.509841703841321
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The Majority Rule Sorting (MR-Sort) method assigns alternatives evaluated on multiple criteria to one of the predefined ordered categories. The Inverse MR-Sort problem (Inv-MR-Sort) computes MR-Sort parameters that match a dataset. Existing learning algorithms for Inv-MR-Sort consider monotone preferences on criteria. We extend this problem to the case where the preferences on criteria are not necessarily monotone, but possibly single-peaked (or single-valley). We propose a mixed-integer programming based algorithm that learns the preferences on criteria together with the other MR-Sort parameters from the training data. We investigate the performance of the algorithm using numerical experiments and we illustrate its use on a real-world case study.
Abstract（参考訳）: メジャールールソーティング(Majority Rule Sorting、MR-Sort)法は、複数の基準で評価された選択肢を事前定義された順序カテゴリーの1つに割り当てる。 Inv-MR-Sort問題(Inv-MR-Sort)は、データセットに一致するMR-Sortパラメータを計算する。 Inv-MR-Sortの既存の学習アルゴリズムは、基準に基づいて単調な選好を考える。この問題を、基準に対する選好が必ずしも単調ではなく、おそらくは単音(または単音)である場合に拡張する。本稿では,学習データから他のmrソートパラメータと条件の選好を学習する混合整数型プログラミングベースアルゴリズムを提案する。数値実験を用いてアルゴリズムの性能について検討し,実世界のケーススタディでその利用について述べる。

関連論文リスト

Towards Fast Algorithms for the Preference Consistency Problem Based on Hierarchical Models [4.007697401483925]
階層モデルに基づく選好文の一貫性問題の解法として,アルゴリズム的手法を構築し,比較する。インスタンスが一貫すると、評価関数に階層的モデルが存在し、代替関数の順序関係を誘導する。この問題を解決するための3つのアプローチを開発する。
論文参考訳（メタデータ） (2024-10-31T13:48:46Z)
An incremental preference elicitation-based approach to learning potentially non-monotonic preferences in multi-criteria sorting [53.36437745983783]
まず最適化モデルを構築し,非単調な選好をモデル化する。本稿では,情報量測定手法と質問選択戦略を考案し,各イテレーションにおいて最も情報に富む選択肢を特定する。 2つのインクリメンタルな選好に基づくアルゴリズムは、潜在的に単調な選好を学習するために開発された。
論文参考訳（メタデータ） (2024-09-04T14:36:20Z)
Linear-time One-Class Classification with Repeated Element-wise Folding [6.116088814650622]
本稿では,一級分類における使い易い方法として,繰り返し要素分割法(REF)を提案する。 REFは、一般的に使用されるより要求の多いアプローチの線形時間代替を提供する。実験の結果、REFは類似の分類性能、あるいは様々なベンチマークデータセットでより複雑なアルゴリズムよりも優れていることが示された。
論文参考訳（メタデータ） (2024-08-21T08:18:39Z)
Rahmani Sort: A Novel Variant of Insertion Sort Algorithm with O(nlogn) Complexity [0.0]
本稿では,2進探索機構の新たな手法を用いて,前述した左サブアレイへの次のキー項目のソート位置を探索するアルゴリズムを提案する。その結果,従来の挿入ソートアルゴリズムやマージソートアルゴリズムよりも,新しいアルゴリズムの方が優れた性能を示した。
論文参考訳（メタデータ） (2024-02-29T12:38:57Z)
Sorting with Predictions [1.7042264000899532]
学習強化アルゴリズムのレンズをソートする根本的な問題について検討する。我々は,$O(sum_i log eta_i)$の正確な比較だけで,新しい,シンプルなアルゴリズムを設計する。比較複雑性は, 検証された誤差測度に対して理論的に最適であることを示す。
論文参考訳（メタデータ） (2023-11-01T18:00:03Z)
LearnedSort as a learning-augmented SampleSort: Analysis and Parallelization [0.0]
この研究は、累積分布関数に基づいて機械学習モデルを使ってソートする新しいアルゴリズムであるLearnedSortを分析し、並列化する。 LearnedSortと最先端のSampleSort実装であるIPS4oを組み合わせた並列LearnedSortアルゴリズムを開発した。
論文参考訳（メタデータ） (2023-07-17T16:53:22Z)
A Scale-Invariant Sorting Criterion to Find a Causal Order in Additive Noise Models [49.038420266408586]
分散の増加による変数のソートは、しばしば因果順序に近い順序になることを示す。本稿ではR2$-SortnRegressと呼ばれる,高いR2$-sortabilityを利用する効率的なベースラインアルゴリズムを提案する。その結果,因果発見に関連するデータ生成プロセスの仮定として,R2$-sortabilityが高額であることが判明した。
論文参考訳（メタデータ） (2023-03-31T17:05:46Z)
PiRank: Learning To Rank via Differentiable Sorting [85.28916333414145]
ランク付けのための新しい分類可能なサロゲートであるPiRankを提案する。ピランクは所望の指標をゼロ温度の限界で正確に回収する。
論文参考訳（メタデータ） (2020-12-12T05:07:36Z)
Optimal Randomized First-Order Methods for Least-Squares Problems [56.05635751529922]
このアルゴリズムのクラスは、最小二乗問題に対する最も高速な解法のうち、いくつかのランダム化手法を含んでいる。我々は2つの古典的埋め込み、すなわちガウス射影とアダマール変換のサブサンプリングに焦点を当てる。得られたアルゴリズムは条件数に依存しない最小二乗問題の解法として最も複雑である。
論文参考訳（メタデータ） (2020-02-21T17:45:32Z)
Clustering Binary Data by Application of Combinatorial Optimization Heuristics [52.77024349608834]
本稿では,2値データのクラスタリング手法について検討し,まず,クラスタのコンパクトさを計測するアグリゲーション基準を定義した。近隣地域と人口動態最適化メタヒューリスティックスを用いた5つの新しいオリジナル手法が導入された。準モンテカルロ実験によって生成された16のデータテーブルから、L1の相似性と階層的クラスタリング、k-means(メドイドやPAM)の1つのアグリゲーションの比較を行う。
論文参考訳（メタデータ） (2020-01-06T23:33:31Z)
Optimal Clustering from Noisy Binary Feedback [75.17453757892152]
本稿では,二元的ユーザフィードバックから一組のアイテムをクラスタリングする問題について検討する。最小クラスタ回復誤差率のアルゴリズムを考案する。適応選択のために,情報理論的誤差下界の導出にインスパイアされたアルゴリズムを開発する。
論文参考訳（メタデータ） (2019-10-14T09:18:26Z)

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。