Fugu-MT 論文翻訳(概要): Conformal testing: binary case with Markov alternatives

論文の概要: Conformal testing: binary case with Markov alternatives

arxiv url: http://arxiv.org/abs/2111.01885v1
Date: Tue, 2 Nov 2021 20:46:26 GMT
ステータス: 処理完了
システム内更新日: 2021-11-04 14:28:25.458100
Title: Conformal testing: binary case with Markov alternatives
Title（参考訳）: 共形テスト:markov代替のバイナリケース
Authors: Vladimir Vovk, Ilia Nouretdinov, and Alex Gammerman
Abstract要約: 交換可能性の零仮説に対するマルコフの代替を考える。本研究では,2種類の共形試験マーチンゲールを新たに提案する。一方のクラスは統計的に効率的であり,他方のクラスは計算効率を得るために統計効率を部分的に犠牲にする。
参考スコア（独自算出の注目度）: 0.4301276597844755
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We continue study of conformal testing in binary model situations. In this note we consider Markov alternatives to the null hypothesis of exchangeability. We propose two new classes of conformal test martingales; one class is statistically efficient in our experiments, and the other class partially sacrifices statistical efficiency to gain computational efficiency.
Abstract（参考訳）: 二元モデル環境での共形テストの研究を継続する。本稿では、交換可能性のヌル仮説に対するマルコフの代替を考える。 1つのクラスは実験において統計的に効率的であり、もう1つのクラスは計算効率を得るために統計効率を部分的に犠牲にしている。

関連論文リスト

SimPro: A Simple Probabilistic Framework Towards Realistic Long-Tailed Semi-Supervised Learning [49.94607673097326]
ラベルなしデータの分散に関する前提を前提としない、高度に適応可能なフレームワークをSimProとして提案する。我々のフレームワークは確率モデルに基づいており、期待最大化アルゴリズムを革新的に洗練する。本手法は,様々なベンチマークやデータ分散シナリオにまたがる一貫した最先端性能を示す。
論文参考訳（メタデータ） (2024-02-21T03:39:04Z)
Twice Class Bias Correction for Imbalanced Semi-Supervised Learning [59.90429949214134]
textbfTwice textbfClass textbfBias textbfCorrection (textbfTCBC) と呼ばれる新しいアプローチを導入する。トレーニング過程におけるモデルパラメータのクラスバイアスを推定する。非ラベル標本に対してモデルの擬似ラベルに二次補正を適用する。
論文参考訳（メタデータ） (2023-12-27T15:06:36Z)
Learning with Complementary Labels Revisited: The Selected-Completely-at-Random Setting Is More Practical [66.57396042747706]
補完ラベル学習は、弱教師付き学習問題である。均一分布仮定に依存しない一貫したアプローチを提案する。相補的なラベル学習は、負のラベル付きバイナリ分類問題の集合として表現できる。
論文参考訳（メタデータ） (2023-11-27T02:59:17Z)
Transductive conformal inference with adaptive scores [3.591224588041813]
トランスダクティブな設定では、テストのサンプルとして$m$の新たなポイントが決定されます。本研究はP'olya urnモデルに従い, 実験分布関数の濃度不等式を確立することを目的とする。本研究では,2つの機械学習タスクに対して一様かつ不確率な保証を行うことにより,これらの理論的結果の有用性を示す。
論文参考訳（メタデータ） (2023-10-27T12:48:30Z)
Shrinking Class Space for Enhanced Certainty in Semi-Supervised Learning [59.44422468242455]
そこで我々はShrinkMatchと呼ばれる新しい手法を提案し、不確実なサンプルを学習する。それぞれの不確実なサンプルに対して、元の Top-1 クラスを単に含むスランク類空間を適応的に求める。次に、スランク空間における強と弱に強化された2つのサンプル間の整合正則化を課し、識別的表現を試みます。
論文参考訳（メタデータ） (2023-08-13T14:05:24Z)
Active Sequential Two-Sample Testing [18.99517340397671]
サンプル測定が安価に利用できる新しいシナリオでは,この2サンプルテストの問題を考慮する。我々は,emphactiveNIST-sampleテストフレームワークを考案し,逐次クエリだけでなく,emphactivelyクエリも考案した。実際に、我々はフレームワークのインスタンス化を導入し、いくつかの実験を用いて評価する。
論文参考訳（メタデータ） (2023-01-30T02:23:49Z)
fAux: Testing Individual Fairness via Gradient Alignment [2.5329739965085785]
いずれの要件も持たない個別の公正性をテストするための新しいアプローチについて述べる。提案手法は,合成データセットと実世界のデータセットの識別を効果的に行う。
論文参考訳（メタデータ） (2022-10-10T21:27:20Z)
Binary Classification: Counterbalancing Class Imbalance by Applying Regression Models in Combination with One-Sided Label Shifts [0.4970364068620607]
クラス不均衡の問題に対処する新しい手法を提案する。我々は、対応する回帰タスクが均衡するように、負と正の目標ラベルのセットを生成する。我々は,複数の公開データセットに対するアプローチを評価し,提案手法を最もポピュラーなオーバーサンプリング手法と比較した。
論文参考訳（メタデータ） (2020-11-30T13:24:47Z)
Cross-validation Confidence Intervals for Test Error [83.67415139421448]
この研究は、クロスバリデーションのための中心極限定理と、学習アルゴリズムの弱い安定性条件下での分散の一貫した推定器を開発する。結果は、一般的な1対1のクロスバリデーションの選択にとって、初めてのものだ。
論文参考訳（メタデータ） (2020-07-24T17:40:06Z)
Optimal Statistical Hypothesis Testing for Social Choice [30.930621357547487]
我々は、よく受け入れられた統計的最適性 w.r.t である一様最強(UMP)試験を特徴付ける。与えられた選択肢が、MallowsのモデルとCondorcetのモデルの下でそれぞれ勝者であるかどうかをテストする。
論文参考訳（メタデータ） (2020-06-19T20:40:33Z)
Towards Model-Agnostic Post-Hoc Adjustment for Balancing Ranking Fairness and Algorithm Utility [54.179859639868646]
Bipartiteランキングは、ラベル付きデータから正の個人よりも上位の個人をランク付けするスコアリング機能を学ぶことを目的としている。学習したスコアリング機能が、異なる保護グループ間で体系的な格差を引き起こすのではないかという懸念が高まっている。本稿では、二部構成のランキングシナリオにおいて、それらのバランスをとるためのモデル後処理フレームワークを提案する。
論文参考訳（メタデータ） (2020-06-15T10:08:39Z)

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。