論文の概要: A selective review of sufficient dimension reduction for multivariate
response regression
- arxiv url: http://arxiv.org/abs/2202.00876v1
- Date: Wed, 2 Feb 2022 04:53:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-03 22:18:04.176596
- Title: A selective review of sufficient dimension reduction for multivariate
response regression
- Title(参考訳): 多変量応答回帰のための十分な次元縮小の選択的検討
- Authors: Yuexiao Dong, Abdul-Nasah Soale, Michael D. Power
- Abstract要約: 広い範囲のSDR法は、逆回帰SDR推定器または前方回帰SDR推定器として特徴付けられる。
通常の最小二乗、部分最小二乗、半パラメトリックSDR推定器は、前方回帰系の推定器として議論される。
- 参考スコア(独自算出の注目度): 2.492300648514129
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We review sufficient dimension reduction (SDR) estimators with multivariate
response in this paper. A wide range of SDR methods are characterized as
inverse regression SDR estimators or forward regression SDR estimators. The
inverse regression family include pooled marginal estimators, projective
resampling estimators, and distance-based estimators. Ordinary least squares,
partial least squares, and semiparametric SDR estimators, on the other hand,
are discussed as estimators from the forward regression family.
- Abstract(参考訳): 本稿では,多変量応答を持つSDR推定器について概説する。
幅広いSDR手法は、逆回帰SDR推定器または前方回帰SDR推定器として特徴付けられる。
逆回帰系には、プール付き辺縁推定器、射影再サンプリング推定器、距離に基づく推定器が含まれる。
一方、通常最小二乗、部分最小二乗、半パラメトリックsdr推定器は、前方回帰系からの推定器として議論される。
関連論文リスト
- Functional Partial Least-Squares: Optimal Rates and Adaptation [0.0]
共役勾配法に関連する機能的最小二乗推定器(PLS)の新たな定式化を提案する。
推定器は楕円体のクラス上で(ほぼ)最適収束率を達成することを示す。
論文 参考訳(メタデータ) (2024-02-16T23:47:47Z) - Multifidelity Covariance Estimation via Regression on the Manifold of
Symmetric Positive Definite Matrices [0.0]
我々の多様体回帰多相性(MRMF)共分散推定器は、多様体空間上の特定の誤差モデルの下での最大可能性推定器であることを示す。
数値的な例を通して、推定器は最大1桁の精度で2乗推定誤差を抑えることができることを示した。
論文 参考訳(メタデータ) (2023-07-23T21:46:55Z) - Bounding data reconstruction attacks with the hypothesis testing
interpretation of differential privacy [78.32404878825845]
レコンストラクションロバストネス(ReRo)は、機械学習モデルに対するデータ再構成攻撃の成功の上限として最近提案されている。
これまでの研究では、差分プライバシー(DP)機構がReRoを提供することを示したが、これまではモンテカルロによるReRo境界の厳密な推定しか示されていない。
論文 参考訳(メタデータ) (2023-07-08T08:02:47Z) - Asymptotically Unbiased Off-Policy Policy Evaluation when Reusing Old
Data in Nonstationary Environments [31.492146288630515]
回帰支援DR推定器(Regressive-Assisted DR estimator)と呼ばれる2重頑健(DR)推定器の変種を導入し、大きなバイアスを伴わずに過去のデータを組み込むことができる。
本研究では,新しい推定器が現在および将来の政策値の推定を改善することを実証的に示し,複数の非定常的推薦環境において厳密かつ有効な区間推定を提供する。
論文 参考訳(メタデータ) (2023-02-23T01:17:21Z) - Sufficient Dimension Reduction for High-Dimensional Regression and
Low-Dimensional Embedding: Tutorial and Survey [5.967999555890417]
本論文は,SDRのための各種手法に関するチュートリアルおよび調査論文である。
本稿では,これらの手法を,統計的高次元回帰的視点と,次元削減のための機械学習アプローチの両方でカバーする。
論文 参考訳(メタデータ) (2021-10-18T21:05:08Z) - A unified view of likelihood ratio and reparameterization gradients [91.4645013545015]
我々は、LRとRPが確率質量の運動を追跡する代替方法であることを示すために、第一原理のアプローチを用いる。
LRとRPを組み合わせた全ての可能な推定器の空間は、流れ場によって完全にパラメータ化可能であることを示す。
したがって、より優れたモンテカルロ勾配推定器をどこに探すべきかを明確にする。
論文 参考訳(メタデータ) (2021-05-31T11:53:08Z) - Online nonparametric regression with Sobolev kernels [99.12817345416846]
我々は、ソボレフ空間のクラス上の後悔の上限を$W_pbeta(mathcalX)$, $pgeq 2, beta>fracdp$ とする。
上界は minimax regret analysis で支えられ、$beta> fracd2$ または $p=infty$ の場合、これらの値は(本質的に)最適である。
論文 参考訳(メタデータ) (2021-02-06T15:05:14Z) - Robust Geodesic Regression [6.827783641211451]
我々は、ロバストな測地回帰を行うために、$L_1$, Huber および Tukey biweight 推定器を含むM型推定器を使用する。
実際のニューロイメージングデータの解析を含む数値的な例の結果は、提案手法の有望な経験的性質を実証している。
論文 参考訳(メタデータ) (2020-07-09T02:41:32Z) - Nonparametric Estimation of the Fisher Information and Its Applications [82.00720226775964]
本稿では,大きさn$のランダムサンプルからフィッシャー情報の位置推定の問題について考察する。
Bhattacharyaにより提案された推定器を再検討し、収束率の向上を導出する。
クリッピング推定器と呼ばれる新しい推定器を提案する。
論文 参考訳(メタデータ) (2020-05-07T17:21:56Z) - Comment: Entropy Learning for Dynamic Treatment Regimes [58.442274475425144]
JSLZのアプローチは、逆確率(IPW)に基づく与えられた決定規則の値の拒絶とサンプリングの見積もりと、その解釈を重み付けされた(またはコストに敏感な)分類として利用する。
彼らのスムーズな分類サロゲートの使用は、分布の分析に慎重なアプローチを可能にする。
IPWの推定は、ほとんどのデータを捨てる重みにつながり、残余については非常に変動しているため、問題となる。
論文 参考訳(メタデータ) (2020-04-06T16:11:05Z) - Estimating Gradients for Discrete Random Variables by Sampling without
Replacement [93.09326095997336]
我々は、置換のないサンプリングに基づいて、離散確率変数に対する期待値の偏りのない推定器を導出する。
推定器は3つの異なる推定器のラオ・ブラックウェル化として導出可能であることを示す。
論文 参考訳(メタデータ) (2020-02-14T14:15:18Z)
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。