Fugu-MT 論文翻訳(概要): Semi-parametric Bayesian Additive Regression Trees

論文の概要: Semi-parametric Bayesian Additive Regression Trees

arxiv url: http://arxiv.org/abs/2108.07636v1
Date: Tue, 17 Aug 2021 13:58:44 GMT
ステータス: 処理完了
システム内更新日: 2021-08-18 16:53:36.279204
Title: Semi-parametric Bayesian Additive Regression Trees
Title（参考訳）: 半パラメトリックベイズ付加回帰木
Authors: Estev\~ao B. Prado, Andrew C. Parnell, Nathan McJames, Ann O'Shea, Rafael A. Moral
Abstract要約: ベイジアン付加回帰木(BART)に基づく新しい半パラメトリックモデルを提案する。本手法では, 応答変数を線形予測器とBARTモデルで近似し, 第一成分が主効果を推定する。我々は,新たな半パラメトリックBARTの性能が回帰モデルや他の木に基づく手法と比較して競争力があることを実証した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose a new semi-parametric model based on Bayesian Additive Regression Trees (BART). In our approach, the response variable is approximated by a linear predictor and a BART model, where the first component is responsible for estimating the main effects and BART accounts for the non-specified interactions and non-linearities. The novelty in our approach lies in the way we change tree generation moves in BART to deal with confounding between the parametric and non-parametric components when they have covariates in common. Through synthetic and real-world examples, we demonstrate that the performance of the new semi-parametric BART is competitive when compared to regression models and other tree-based methods. The implementation of the proposed method is available at https://github.com/ebprado/SP-BART.
Abstract（参考訳）: ベイジアン付加回帰木(BART)に基づく新しい半パラメトリックモデルを提案する。提案手法では, 応答変数を線形予測器とBARTモデルで近似し, 第一成分が主効果を推定し, 非特異な相互作用と非線形性についてBARTが考慮する。我々のアプローチの斬新さは、共通な共変量を持つときのパラメトリック成分と非パラメトリック成分の相違に対処するために、BARTのツリー生成の動きを変更する方法にある。合成および実世界の例を通して、新しい半パラメトリックBARTの性能が回帰モデルや他の木に基づく手法と比較して競合することを示した。提案手法の実装はhttps://github.com/ebprado/SP-BARTで公開されている。

関連論文リスト

Linear-cost unbiased posterior estimates for crossed effects and matrix factorization models via couplings [0.0]
我々はブロックされたギブスサンプルラー(BGS)のカップリングに基づくマルコフ連鎖モンテカルロスキームの設計と解析を行う。本手法は,条件付き独立ブロックを有する高次元BGSに対して設計および適用可能である。
論文参考訳（メタデータ） (2024-10-11T16:05:01Z)
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)
Co-data Learning for Bayesian Additive Regression Trees [0.0]
本稿では,コデータから木間関係の予測モデルを構築することを提案する。提案手法は複数のデータ型を同時に扱うことができる。 Co-dataは、大きなB細胞リンパ腫の予後を拡散させる用途における予測を強化する。
論文参考訳（メタデータ） (2023-11-16T16:14:39Z)
SoftBart: Soft Bayesian Additive Regression Trees [2.969705152497174]
本稿では,LineroとYangのSoft BARTアルゴリズムに適合するSoftBartパッケージを提案する。このパッケージの主な目標は、より大きなモデルにBARTを組み込むことである。標準的な予測タスクにこのパッケージを使う方法と、より大きなモデルにBARTモデルを組み込む方法の両方を示します。
論文参考訳（メタデータ） (2022-10-28T19:25:45Z)
Hierarchical Embedded Bayesian Additive Regression Trees [0.0]
HE-BARTは、レグレッションツリーのセットの終端ノードレベルにランダムエフェクトを含めることができる。シミュレーションおよび実世界の例を用いて、HE-BARTは標準的な混合効果モデルのサンプルデータセットの多くに対して優れた予測が得られることを示した。この論文の今後のバージョンでは、より大きく、より高度なデータセットと構造での使用について概説する。
論文参考訳（メタデータ） (2022-04-14T19:56:03Z)
GP-BART: a novel Bayesian additive regression trees approach using Gaussian processes [1.03590082373586]
GP-BARTモデル(GP-BART model)は、すべての木間の各終端ノードの予測にGP先行を仮定することで制限に対処するBARTの拡張である。モデルの有効性は、シミュレーションおよび実世界のデータへの応用を通じて実証され、様々なシナリオにおける従来のモデリング手法のパフォーマンスを上回る。
論文参考訳（メタデータ） (2022-04-05T11:18:44Z)
Learning to Estimate Without Bias [57.82628598276623]
ガウスの定理は、重み付き最小二乗推定器は線形モデルにおける線形最小分散アンバイアスド推定(MVUE)であると述べている。本稿では、バイアス制約のあるディープラーニングを用いて、この結果を非線形設定に拡張する第一歩を踏み出す。 BCEの第二の動機は、同じ未知の複数の推定値が平均化されてパフォーマンスが向上するアプリケーションにおいてである。
論文参考訳（メタデータ） (2021-10-24T10:23:51Z)
Evaluating Sensitivity to the Stick-Breaking Prior in Bayesian Nonparametrics [85.31247588089686]
変分ベイズ法はベイズモデルのパラメトリック的および非パラメトリック的側面に対して感性が得られることを示す。ベイズ感度分析に対する変動的アプローチの理論的および経験的支援を提供する。
論文参考訳（メタデータ） (2021-07-08T03:40:18Z)
A Hypergradient Approach to Robust Regression without Correspondence [85.49775273716503]
本稿では,入力データと出力データとの対応が不十分な回帰問題について考察する。ほとんどの既存手法はサンプルサイズが小さい場合にのみ適用できる。シャッフル回帰問題に対する新しい計算フレームワークであるROBOTを提案する。
論文参考訳（メタデータ） (2020-11-30T21:47:38Z)
Identification of Probability weighted ARX models with arbitrary domains [75.91002178647165]
PieceWise Affineモデルは、ハイブリッドシステムの他のクラスに対する普遍近似、局所線型性、同値性を保証する。本研究では,任意の領域を持つ固有入力モデル(NPWARX)を用いたPieceWise Auto Regressiveの同定に着目する。このアーキテクチャは、機械学習の分野で開発されたMixture of Expertの概念に従って考案された。
論文参考訳（メタデータ） (2020-09-29T12:50:33Z)
Machine learning for causal inference: on the use of cross-fit estimators [77.34726150561087]
より優れた統計特性を得るために、二重ローバストなクロスフィット推定器が提案されている。平均因果効果(ACE)に対する複数の推定器の性能評価のためのシミュレーション研究を行った。機械学習で使用する場合、二重確率のクロスフィット推定器は、バイアス、分散、信頼区間のカバレッジで他のすべての推定器よりも大幅に優れていた。
論文参考訳（メタデータ） (2020-04-21T23:09:55Z)

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。