論文の概要: Machine Learning for Multi-Output Regression: When should a holistic multivariate approach be preferred over separate univariate ones?

• arxiv url: http://arxiv.org/abs/2201.05340v1
• Date: Fri, 14 Jan 2022 08:44:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-17 14:13:08.315967
• Title: Machine Learning for Multi-Output Regression: When should a holistic multivariate approach be preferred over separate univariate ones?
• Title（参考訳）: マルチアウトプット回帰のための機械学習: 完全多変量アプローチはいつ、別々の不定値アプローチよりも好まれるべきなのか?
• Authors: Lena Schmid, Alexander Gerharz, Andreas Groll and Markus Pauly
• Abstract要約: ランダムフォレストのような木に基づくアンサンブルは、統計学の手法の中で近代的な古典である。 これらの手法を広範囲なシミュレーションで比較し,多変量アンサンブル技術を用いた場合の主問題に答える。
• 参考スコア（独自算出の注目度）: 62.997667081978825
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Tree-based ensembles such as the Random Forest are modern classics among statistical learning methods. In particular, they are used for predicting univariate responses. In case of multiple outputs the question arises whether we separately fit univariate models or directly follow a multivariate approach. For the latter, several possibilities exist that are, e.g. based on modified splitting or stopping rules for multi-output regression. In this work we compare these methods in extensive simulations to help in answering the primary question when to use multivariate ensemble techniques.
• Abstract（参考訳）: ランダムフォレストのような木に基づくアンサンブルは、統計学の手法の中で現代の古典である。 特に、単変量応答の予測に使用される。 複数の出力の場合、問題は単変量モデルに別々に適合するか、あるいは直接多変量アプローチに従うかである。 後者については、例えば、修正された分割や複数出力回帰のための規則の停止に基づく、いくつかの可能性が存在する。 本研究では,これらの手法を広範囲なシミュレーションで比較し,多変量アンサンブル技術を用いた場合の主問題に答える。

関連論文リスト

• Structured Estimation of Heterogeneous Time Series [5.102931012520635]
  構造的に異質なプロセスをどのようにモデル化するかは、社会、健康、行動科学の基本的な問題である。 最近、Fisher et al. (2022) はマルチオブジェクトマルチ変数時系列を同時に推定するマルチVAR手法を導入した。 このアプローチは、多数の個人力学における定性的かつ定量的な相違がよく調整されているという点において、多目的時系列に対する多くの一般的なモデリング手法とは異なる。 我々はマルチVARフレームワークを拡張し、推定性能を大幅に改善する新しい適応重み付けスキームを含む。
  論文  参考訳（メタデータ） (2023-11-15T02:39:13Z)
• Distributional Adaptive Soft Regression Trees [0.0]
  本稿では,多変量ソフトスプリットルールを用いた分布回帰木の新しいタイプを提案する。 ソフトスプリットの大きな利点の1つは、滑らかな高次元函数を1つの木で見積もることができることである。 シミュレーションにより,アルゴリズムは優れた特性を有し,様々なベンチマーク手法より優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-19T08:59:02Z)
• Generative machine learning methods for multivariate ensemble post-processing [2.266704492832475]
  生成機械学習に基づく非パラメトリックなデータ駆動分散回帰モデルを提案する。 2つのケーススタディにおいて、我々の生成モデルは最先端の手法よりも大幅に改善されている。
  論文  参考訳（メタデータ） (2022-09-26T09:02:30Z)
• An Application of a Multivariate Estimation of Distribution Algorithm to Cancer Chemotherapy [59.40521061783166]
  癌に対する化学療法治療は、多数の相互作用する変数と制約を持つ複雑な最適化問題である。 より洗練されたアルゴリズムは、このような複雑な問題に対してより良いパフォーマンスをもたらすことが示される。 我々は、この問題における多数の相互作用によって、より洗練されたアルゴリズムが妨げられていることが原因であると仮定する。
  論文  参考訳（メタデータ） (2022-05-17T15:28:46Z)
• Mixtures of Gaussian Processes for regression under multiple prior distributions [0.0]
  ガウス過程回帰のための混合モデルの概念を拡張し、複数の先行する信念を同時に扱う。 本手法は,関数回帰問題における先行的誤特定の問題を考慮に入れたものである。
  論文  参考訳（メタデータ） (2021-04-19T10:19:14Z)
• Flexible Model Aggregation for Quantile Regression [92.63075261170302]
  量子回帰は、予測の不確実性を定量化する必要性によって動機付けられた統計学習の基本的な問題である。 条件付き量子モデルの任意の数を集約する手法について検討する。 この論文で検討するモデルはすべて、現代のディープラーニングツールキットに適合します。
  論文  参考訳（メタデータ） (2021-02-26T23:21:16Z)
• Conditional Generative Modeling via Learning the Latent Space [54.620761775441046]
  マルチモーダル空間における条件生成のための新しい枠組みを提案する。 潜在変数を使って一般化可能な学習パターンをモデル化する。 推論では、潜伏変数は複数の出力モードに対応する最適解を見つけるために最適化される。
  論文  参考訳（メタデータ） (2020-10-07T03:11:34Z)
• Multivariable times series classification through an interpretable representation [0.0]
  本稿では,一連の記述的特徴を通して時系列の代替表現を考える時系列分類法を提案する。 従来の分類アルゴリズムを応用し、解釈可能な結果と競合する結果を得た。
  論文  参考訳（メタデータ） (2020-09-08T09:44:03Z)
• Ambiguity in Sequential Data: Predicting Uncertain Futures with Recurrent Models [110.82452096672182]
  逐次データによる曖昧な予測を扱うために,Multiple hypothesis Prediction(MHP)モデルの拡張を提案する。 また、不確実性を考慮するのに適した曖昧な問題に対する新しい尺度も導入する。
  論文  参考訳（メタデータ） (2020-03-10T09:15:42Z)
• Decision-Making with Auto-Encoding Variational Bayes [71.44735417472043]
  変分分布とは異なる後部近似を用いて意思決定を行うことが示唆された。 これらの理論的な結果から,最適モデルに関するいくつかの近似的提案を学習することを提案する。 おもちゃの例に加えて,単細胞RNAシークエンシングのケーススタディも紹介する。
  論文  参考訳（メタデータ） (2020-02-17T19:23:36Z)

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。