論文の概要: MRCpy: A Library for Minimax Risk Classifiers

• arxiv url: http://arxiv.org/abs/2108.01952v4
• Date: Wed, 29 May 2024 13:51:15 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-31 02:51:07.893631
• Title: MRCpy: A Library for Minimax Risk Classifiers
• Title（参考訳）: MRCpy: 最小リスク分類のためのライブラリ
• Authors: Kartheek Bondugula, Verónica Álvarez, José I. Segovia-Martín, Aritz Pérez, Santiago Mazuelas,
• Abstract要約: PythonライブラリであるMRCpyは、ロバストリスク最小化(RRM)アプローチに基づいて、ミニマックスリスク分類器(MRC)を実装している。 MRCpyは、Scikit-learnのような人気のあるPythonライブラリの標準に従い、可読性と使いやすさと、他のライブラリとのシームレスな統合を容易にする。
• 参考スコア（独自算出の注目度）: 10.380882297891272
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Libraries for supervised classification have enabled the wide-spread usage of machine learning methods. Existing libraries, such as scikit-learn, caret, and mlpack, implement techniques based on the classical empirical risk minimization (ERM) approach. We present a Python library, MRCpy, that implements minimax risk classifiers (MRCs) based on the robust risk minimization (RRM) approach. The library offers multiple variants of MRCs that can provide performance guarantees, enable efficient learning in high dimensions, and adapt to distribution shifts. MRCpy follows an object-oriented approach and adheres to the standards of popular Python libraries, such as scikit-learn, facilitating readability and easy usage together with a seamless integration with other libraries. The source code is available under the GPL-3.0 license at https://github.com/MachineLearningBCAM/MRCpy.
• Abstract（参考訳）: 教師付き分類のためのライブラリは、機械学習手法の幅広い使用を可能にしている。 既存のライブラリであるScikit-learn、 Caret、mlpackは、古典的な経験的リスク最小化(ERM)アプローチに基づいた技術を実装している。 我々は,ロバストリスク最小化(RRM)アプローチに基づいて,ミニマックスリスク分類器 (MRC) を実装したPythonライブラリ MRCpy を提案する。 このライブラリは、性能保証を提供し、高次元での効率的な学習を可能にし、分散シフトに適応できる複数の MRC を提供する。 MRCpyはオブジェクト指向のアプローチに従い、Scikit-learnのような人気のあるPythonライブラリの標準に準拠している。 ソースコードはGPL-3.0ライセンスでhttps://github.com/MachineLearningBCAM/MRCpyで入手できる。

関連論文リスト

• $\texttt{skwdro}$: a library for Wasserstein distributionally robust machine learning [6.940992962425166]
  skwdroは、堅牢な機械学習モデルをトレーニングするためのPythonライブラリである。 一般的な目的のために、Scikit-learn互換の推定器と、PyTorchモジュール用のラッパーの両方を備えている。
  論文  参考訳（メタデータ） (2024-10-28T17:16:00Z)
• Multimodal Learned Sparse Retrieval with Probabilistic Expansion Control [66.78146440275093]
  学習検索(LSR)は、クエリとドキュメントを疎語彙ベクトルにエンコードするニューラルネットワークのファミリーである。 テキスト画像検索に焦点をあて,マルチモーダル領域へのLSRの適用について検討する。 LexLIPやSTAIRのような現在のアプローチでは、大規模なデータセットで複雑なマルチステップのトレーニングが必要です。 提案手法は, 密度ベクトルを凍結密度モデルからスパース語彙ベクトルへ効率的に変換する。
  論文  参考訳（メタデータ） (2024-02-27T14:21:56Z)
• SequeL: A Continual Learning Library in PyTorch and JAX [50.33956216274694]
  SequeLは継続学習のためのライブラリで、PyTorchとJAXフレームワークの両方をサポートする。 それは、正規化ベースのアプローチ、リプレイベースのアプローチ、ハイブリッドアプローチを含む、幅広い連続学習アルゴリズムのための統一インターフェースを提供する。 私たちはSequeLをオープンソースライブラリとしてリリースし、研究者や開発者が自身の目的で簡単にライブラリを実験し拡張することができます。
  論文  参考訳（メタデータ） (2023-04-21T10:00:22Z)
• PyHHMM: A Python Library for Heterogeneous Hidden Markov Models [63.01207205641885]
  PyHHMM は Heterogeneous-Hidden Markov Models (HHMM) のオブジェクト指向Python実装である。 PyHHMMは、異種観測モデル、データ推論の欠如、異なるモデルの順序選択基準、半教師付きトレーニングなど、同様のフレームワークではサポートされない機能を強調している。 PyHHMMは、numpy、scipy、scikit-learn、およびシーボーンPythonパッケージに依存しており、Apache-2.0ライセンスの下で配布されている。
  論文  参考訳（メタデータ） (2022-01-12T07:32:36Z)
• IMBENS: Ensemble Class-imbalanced Learning in Python [26.007498723608155]
  imbensはオープンソースのPythonツールボックスで、クラス不均衡なデータに対してアンサンブル学習アルゴリズムを実装し、デプロイする。 imbensはMITオープンソースライセンスでリリースされており、Python Package Index (PyPI)からインストールすることができる。
  論文  参考訳（メタデータ） (2021-11-24T20:14:20Z)
• Scikit-dimension: a Python package for intrinsic dimension estimation [58.8599521537]
  この技術ノートは、固有次元推定のためのオープンソースのPythonパッケージであるtextttscikit-dimensionを紹介している。 textttscikit-dimensionパッケージは、Scikit-learnアプリケーションプログラミングインターフェイスに基づいて、既知のID推定子のほとんどを均一に実装する。 パッケージを簡潔に記述し、実生活と合成データにおけるID推定手法の大規模(500以上のデータセット)ベンチマークでその使用を実証する。
  論文  参考訳（メタデータ） (2021-09-06T16:46:38Z)
• Solo-learn: A Library of Self-supervised Methods for Visual Representation Learning [83.02597612195966]
  solo-learnは視覚表現学習のための自己指導型のメソッドのライブラリである。 Pythonで実装され、PytorchとPytorch Lightningを使用して、このライブラリは研究と業界のニーズの両方に適合する。
  論文  参考訳（メタデータ） (2021-08-03T22:19:55Z)
• Small-Text: Active Learning for Text Classification in Python [23.87081733039124]
  small-textはPython用の使いやすいアクティブラーニングライブラリである。 シングルラベルとマルチラベルのテキスト分類のためのプールベースのアクティブラーニングを提供する。
  論文  参考訳（メタデータ） (2021-07-21T19:23:56Z)
• Picasso: A Sparse Learning Library for High Dimensional Data Analysis in R and Python [77.33905890197269]
  本稿では,様々なスパース学習問題に対して,経路座標を統一的に最適化する新しいライブラリについて述べる。 ライブラリはR++でコード化されており、ユーザフレンドリーなスパース実験を行っている。
  論文  参考訳（メタデータ） (2020-06-27T02:39:24Z)
• Kernel methods library for pattern analysis and machine learning in python [0.0]
  kernelmethodsライブラリは、ドメインに依存しない方法で、python MLエコシステムにおける重要な空白を埋めます。 このライブラリは、カーネルベースの操作を効率的にするための、よく定義された多くのクラスを提供する。
  論文  参考訳（メタデータ） (2020-05-27T16:44:42Z)

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。