論文の概要: Construction de variables \`a l'aide de classifieurs comme aide \`a la r\'egression

• arxiv url: http://arxiv.org/abs/2112.03703v1
• Date: Fri, 3 Dec 2021 10:33:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-11 07:56:50.870287
• Title: Construction de variables \`a l'aide de classifieurs comme aide \`a la r\'egression
• Title（参考訳）: 構成変数 \`a l'aide de classifieurs comme aide \`a la r\'egression
• Authors: Colin Troisemaine, Vincent Lemaire
• Abstract要約: 本稿では,初期入力ベクトルに含まれる情報を補完する変数の自動生成手法を提案する。 提案手法を5種類の回帰器を用いて検証し,33種類の回帰データセットで評価した。
• 参考スコア（独自算出の注目度）: 0.03807314298073299
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper proposes a method for the automatic creation of variables (in the case of regression) that complement the information contained in the initial input vector. The method works as a pre-processing step in which the continuous values of the variable to be regressed are discretized into a set of intervals which are then used to define value thresholds. Then classifiers are trained to predict whether the value to be regressed is less than or equal to each of these thresholds. The different outputs of the classifiers are then concatenated in the form of an additional vector of variables that enriches the initial vector of the regression problem. The implemented system can thus be considered as a generic pre-processing tool. We tested the proposed enrichment method with 5 types of regressors and evaluated it in 33 regression datasets. Our experimental results confirm the interest of the approach.
• Abstract（参考訳）: 本稿では,初期入力ベクトルに含まれる情報を補完する変数の自動生成手法を提案する。 この方法は、回帰する変数の連続値が、値しきい値を定義するために使用される一連の間隔に離散化される前処理ステップとして機能する。 その後、分類器は、回帰すべき値がこれらのしきい値に等しいかどうかを予測するように訓練される。 分類器の異なる出力は、回帰問題の初期ベクトルを豊かにする変数の追加ベクトルの形で連結される。 したがって、実装されたシステムは汎用的な前処理ツールと見なすことができる。 提案手法を5種類の回帰器を用いて検証し,33種類の回帰データセットで評価した。 実験結果から,このアプローチへの関心が確認された。

関連論文リスト

• Over-parameterized regression methods and their application to semi-supervised learning [0.0]
  SVD(singular value decomposition)成分のしきい値に基づくいくつかの手法を確立した。 我々は,特異値に基づくしきい値,クロスバリデーションによるハードスレッショルド,ユニバーサルしきい値,ブリッジしきい値のしきい値など,いくつかの手法を検討した。 そして、それらを半教師付き学習に適用し、ラベルなしの入力サンプルを回帰器のカーネル関数に組み込む。
  論文  参考訳（メタデータ） (2024-09-06T03:05:35Z)
• Constructing Variables Using Classifiers as an Aid to Regression: An Empirical Assessment [0.0]
  本稿では,初期入力ベクトルに含まれる情報を補完する変数の自動生成手法を提案する。 提案手法を5種類の回帰器を用いて検証し,33種類の回帰データセットで評価した。
  論文  参考訳（メタデータ） (2024-03-11T15:44:40Z)
• Group Regression for Query Based Object Detection and Tracking [10.955664492162468]
  群回帰は3次元オブジェクト検出において、結合ヘッド内の類似クラスのボックスパラメータを予測するために一般的に用いられる。 クエリベースの認識手法では、これまでのところ、これは実現不可能である。 我々はこのギャップを埋め、既存の注意とクエリに基づく知覚アプローチにマルチクラスグループ回帰を組み込む方法を提案する。
  論文  参考訳（メタデータ） (2023-08-28T10:43:53Z)
• Iterative Sketching for Secure Coded Regression [66.53950020718021]
  分散線形回帰を高速化する手法を提案する。 具体的には、方程式の系の基礎をランダムに回転させ、次にサブサンプルブロックを回転させ、情報を同時に確保し、回帰問題の次元を小さくする。
  論文  参考訳（メタデータ） (2023-08-08T11:10:42Z)
• Scalable Neural Symbolic Regression using Control Variables [7.725394912527969]
  本稿では,制御変数を利用したスケーラブルなシンボル回帰モデルであるScaleSRを提案し,精度とスケーラビリティを両立させる。 まず、ディープニューラルネットワーク(DNN)を用いて観測データからデータジェネレータを学習する。 実験結果から,複数の変数を持つ数学的表現の発見において,提案した ScaleSR は最先端のベースラインを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2023-06-07T18:30:25Z)
• What learning algorithm is in-context learning? Investigations with linear models [87.91612418166464]
  本稿では,トランスフォーマーに基づくインコンテキスト学習者が標準学習アルゴリズムを暗黙的に実装する仮説について検討する。 訓練された文脈内学習者は、勾配降下、隆起回帰、および正確な最小二乗回帰によって計算された予測値と密に一致していることを示す。 文脈内学習者がこれらの予測器とアルゴリズム的特徴を共有するという予備的証拠。
  論文  参考訳（メタデータ） (2022-11-28T18:59:51Z)
• Vector-Valued Least-Squares Regression under Output Regularity Assumptions [73.99064151691597]
  最小二乗回帰問題を無限次元出力で解くために,還元ランク法を提案し,解析する。 提案手法の学習バウンダリを導出し、フルランク手法と比較して統計的性能の設定を改善する研究を行う。
  論文  参考訳（メタデータ） (2022-11-16T15:07:00Z)
• Memory-Efficient Backpropagation through Large Linear Layers [107.20037639738433]
  Transformersのような現代のニューラルネットワークでは、線形層は後方通過時にアクティベーションを保持するために大きなメモリを必要とする。 本研究では,線形層によるバックプロパゲーションを実現するためのメモリ削減手法を提案する。
  論文  参考訳（メタデータ） (2022-01-31T13:02:41Z)
• High-dimensional regression with potential prior information on variable importance [0.0]
  順序付けによって示されるモデルの列に適合する簡単なスキームを提案する。 リッジ回帰を用いた場合の全てのモデルの適合に対する計算コストは、リッジ回帰の1つの適合に留まらないことを示す。 モデル全体の整合性を大幅に高速化するために,従来の整合性を利用したラッソ回帰の戦略を述べる。
  論文  参考訳（メタデータ） (2021-09-23T10:34:37Z)
• Neural Symbolic Regression that Scales [58.45115548924735]
  本稿では,大規模事前学習を利用した最初の記号回帰手法を提案する。 我々は,非有界な方程式の集合を手続き的に生成し,同時にインプット・アウトプット・ペアの集合からシンボル方程式を予測するためにトランスフォーマーを事前訓練する。
  論文  参考訳（メタデータ） (2021-06-11T14:35:22Z)
• Fast OSCAR and OWL Regression via Safe Screening Rules [97.28167655721766]
  順序付き$L_1$ (OWL)正規化回帰は、高次元スパース学習のための新しい回帰分析である。 近勾配法はOWL回帰を解くための標準手法として用いられる。 未知の順序構造を持つ原始解の順序を探索することにより、OWL回帰の最初の安全なスクリーニングルールを提案する。
  論文  参考訳（メタデータ） (2020-06-29T23:35:53Z)

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。