Fugu-MT 論文翻訳(概要): On the identifiability of mixtures of ranking models

論文の概要: On the identifiability of mixtures of ranking models

arxiv url: http://arxiv.org/abs/2201.13132v1
Date: Mon, 31 Jan 2022 11:23:31 GMT
ステータス: 処理完了
システム内更新日: 2022-02-01 22:03:17.296287
Title: On the identifiability of mixtures of ranking models
Title（参考訳）: ランキングモデルの混合の識別可能性について
Authors: Xiaomin Zhang, Xucheng Zhang, Po-Ling Loh and Yingyu Liang
Abstract要約: 一般的なランキングモデルと2つのコンポーネントの混合は、汎用的に識別可能であることを示す。システム全般における解数を検証するためのフレームワークを提供する。
参考スコア（独自算出の注目度）: 19.97212445419573
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Mixtures of ranking models are standard tools for ranking problems. However, even the fundamental question of parameter identifiability is not fully understood: the identifiability of a mixture model with two Bradley-Terry-Luce (BTL) components has remained open. In this work, we show that popular mixtures of ranking models with two components (Plackett-Luce, multinomial logistic model with slates of size 3, or BTL) are generically identifiable, i.e., the ground-truth parameters can be identified except when they are from a pathological subset of measure zero. We provide a framework for verifying the number of solutions in a general family of polynomial systems using algebraic geometry, and apply it to these mixtures of ranking models. The framework can be applied more broadly to other learning models and may be of independent interest.
Abstract（参考訳）: ランキングモデルの混合は、ランキング問題の標準的なツールである。しかし、パラメータ識別可能性に関する根本的な問題でさえ完全には理解されておらず、ブラッドリー・テリー・ルーシ (BTL) 成分の混合モデルの識別性は未解決のままである。本研究では,2成分からなるランキングモデル (plackett-luce, multinomial logistic model with slates of size 3, btl) が汎用的に同定可能であることを示す。代数幾何学を用いた多項式系の一般族における解数を検証するためのフレームワークを提供し,それらの混合ランキングモデルに適用する。このフレームワークは他の学習モデルにも広く適用でき、独立した関心を持つこともある。

関連論文リスト

EMR-Merging: Tuning-Free High-Performance Model Merging [55.03509900949149]
Elect, Mask & Rescale-Merging (EMR-Merging) は既存のマージ手法と比較して優れた性能を示した。 EMR-Mergingはチューニング不要なので、データアベイラビリティや追加のトレーニングは必要ありません。
論文参考訳（メタデータ） (2024-05-23T05:25:45Z)
Learning Rich Rankings [7.940293148084844]
文脈的反復選択(CRS)モデルを構築し、自然の多モード性とリッチネスをランキング空間にもたらす。構造に依存したテールリスクと予測されるリスクバウンダリによるモデルの下での最大推定の理論的保証を提供する。また,MNL選択モデルとPlackett-Luce(PL)ランキングモデルに対する最大極大推定器の予測リスクに,最初の厳密な境界を設けた。
論文参考訳（メタデータ） (2023-12-22T21:40:57Z)
The Interpolating Information Criterion for Overparameterized Models [49.283527214211446]
補間情報基準(Interpolating Information Criterion)は,モデル選択に事前選択を自然に取り入れたモデル品質の尺度であることを示す。我々の新しい情報基準は、モデルの事前の誤特定、幾何学的およびスペクトル的特性を考慮に入れており、既知の経験的および理論的挙動と数値的に一致している。
論文参考訳（メタデータ） (2023-07-15T12:09:54Z)
Rethinking Log Odds: Linear Probability Modelling and Expert Advice in Interpretable Machine Learning [8.831954614241234]
線形化付加モデル(LAM)とSubscaleHedgeの2つの拡張を含む、解釈可能な機械学習モデルのファミリーを紹介する。 LAMは、GAM(General Additive Models)におけるユビキタスなロジスティックリンク関数を置き換えるものであり、SubscaleHedgeはサブスケールと呼ばれる機能のサブセットでトレーニングされたベースモデルを組み合わせるためのエキスパートアドバイスアルゴリズムである。
論文参考訳（メタデータ） (2022-11-11T17:21:57Z)
Causal Discovery in Linear Latent Variable Models Subject to Measurement Error [29.78435955758185]
線形系における測定誤差の存在下での因果発見に着目した。我々は、この問題と因果発見の驚くべき関連性を、観察されていない親性原因の存在で示している。
論文参考訳（メタデータ） (2022-11-08T03:43:14Z)
Improving Label Quality by Jointly Modeling Items and Annotators [68.8204255655161]
雑音アノテータから基底真理ラベルを学習するための完全ベイズ的枠組みを提案する。我々のフレームワークは、ラベル分布上の生成的ベイズソフトクラスタリングモデルを古典的なDavidとSkeneのジョイントアノテータデータモデルに分解することでスケーラビリティを保証する。
論文参考訳（メタデータ） (2021-06-20T02:15:20Z)
A class of network models recoverable by spectral clustering [11.635152494912003]
ブロックモデル (sbm) で使用されるアルゴリズムがブロックモデルのより広いクラスで動作することを示す。このモデルのクラスを指定するのに必要な自由なパラメータを明確に紹介し、その結果、このモデルクラスのリカバリエラーを制御するパラメータをより明確に公開します。
論文参考訳（メタデータ） (2021-04-21T04:22:18Z)
Robust Finite Mixture Regression for Heterogeneous Targets [70.19798470463378]
本稿では,サンプルクラスタの探索と,複数の不完全な混合型ターゲットを同時にモデル化するFMRモデルを提案する。我々は、高次元の学習フレームワークの下で、無症状のオラクルのパフォーマンス境界をモデルに提供します。その結果,我々のモデルは最先端の性能を達成できることがわかった。
論文参考訳（メタデータ） (2020-10-12T03:27:07Z)
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)
Bayesian Sparse Factor Analysis with Kernelized Observations [67.60224656603823]
多視点問題は潜在変数モデルに直面することができる。高次元問題と非線形問題は伝統的にカーネルメソッドによって扱われる。両アプローチを単一モデルにマージすることを提案する。
論文参考訳（メタデータ） (2020-06-01T14:25:38Z)
Customized Video QoE Estimation with Algorithm-Agnostic Transfer Learning [1.452875650827562]
小さなデータセット、ソースドメインのユーザプロファイルの多様性の欠如、QoEモデルのターゲットドメインの多様性の多さは、QoEモデルの課題である。平均オピニオンスコア(MOS)上の汎用指標を分散化されたローカルモデルで共有する、トランスファーラーニングに基づくMLモデルトレーニング手法を提案する。提案手法は,同一のMLアルゴリズムを実行するために,協調する局所ノードを必要としないため,互いに積み重ねた特定のMLアルゴリズムに非依存であることを示す。
論文参考訳（メタデータ） (2020-03-12T15:28:10Z)

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。