論文の概要: Fuzzy Forests For Feature Selection in High-Dimensional Survey Data: An
Application to the 2020 U.S. Presidential Election
- arxiv url: http://arxiv.org/abs/2203.02818v1
- Date: Sat, 5 Mar 2022 21:25:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-08 15:27:34.987849
- Title: Fuzzy Forests For Feature Selection in High-Dimensional Survey Data: An
Application to the 2020 U.S. Presidential Election
- Title（参考訳）: 高次元調査データにおける特徴選択のためのファジィフォレスト--2020年アメリカ合衆国大統領選挙への適用
- Authors: Sreemanti Dey and R. Michael Alvarez
- Abstract要約: ファジィフォレストアルゴリズムは、最小バイアスで特徴空間を削減する効率的な方法として提案する。
私たちは、パルチザンの分極が2020年の大統領選挙で最強の要因であることに気付きました。
- 参考スコア（独自算出の注目度）: 1.0878040851638
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: An increasingly common methodological issue in the field of social science is
high-dimensional and highly correlated datasets that are unamenable to the
traditional deductive framework of study. Analysis of candidate choice in the
2020 Presidential Election is one area in which this issue presents itself: in
order to test the many theories explaining the outcome of the election, it is
necessary to use data such as the 2020 Cooperative Election Study Common
Content, with hundreds of highly correlated features. We present the Fuzzy
Forests algorithm, a variant of the popular Random Forests ensemble method, as
an efficient way to reduce the feature space in such cases with minimal bias,
while also maintaining predictive performance on par with common algorithms
like Random Forests and logit. Using Fuzzy Forests, we isolate the top
correlates of candidate choice and find that partisan polarization was the
strongest factor driving the 2020 presidential election.
- Abstract（参考訳）: 社会科学の分野においてますます一般的な方法論的問題は、伝統的な帰納的研究の枠組みとは無関係な高次元かつ高相関なデータセットである。
2020年の大統領選挙における候補者選択の分析は、この問題自体が提示される分野の一つであり、選挙の結果を説明する多くの理論をテストするためには、何百という高い相関性を持つ2020年共同選挙研究共通コンテンツなどのデータを使用する必要がある。
本稿では,一般的なランダムフォレストアンサンブル手法の変種であるファジィフォレストアルゴリズムを,最小バイアスで特徴空間を削減し,ランダムフォレストやロジットのような一般的なアルゴリズムと同等の予測性能を維持する効率的な手法として提示する。
ファジィ・フォレスト(Fizzy Forests)を駆使して、候補者選択の上位相関関係を分離し、パルチザンの分極が2020年の大統領選挙における最強の要因であることを見出した。
関連論文リスト
- Ahead of the Count: An Algorithm for Probabilistic Prediction of Instant Runoff (IRV) Elections [0.0]
Instant Runoff Voting (IRV) 選挙の結果を予測する新しいアルゴリズムを提案する。
アルゴリズムは、各候補ランキングの投票総数を表す離散確率分布の集合を入力として取る。
IRVラウンドで発生する可能性のあるすべての除去シーケンスを計算し、それぞれに確率を割り当てる。
論文 参考訳（メタデータ） (2024-05-15T00:25:51Z) - A New Random Forest Ensemble of Intuitionistic Fuzzy Decision Trees [5.831659043074847]
直観主義的ファジィ決定木(IFDT)のランダム森林アンサンブルを提案する。
提案手法は,ブートストラップサンプリングと特徴選択からランダム性のパワーを享受する。
本研究は,直観的ファジィ理論に基づくランダムな森林アンサンブルを提案する最初の試みである。
論文 参考訳（メタデータ） (2024-03-12T06:52:24Z) - Efficient Weighting Schemes for Auditing Instant-Runoff Voting Elections [57.67176250198289]
AWAIREは、適応的に重み付けされたテスト統計量であり、本質的には、テストに有効な仮説のセットを「学習」する。
我々は、より広範囲にスキームと設定を検討し、実践のための効率的な選択を特定し、推奨する。
現在のAWAIRE実装の制限は、少数の候補者に限られている。
論文 参考訳（メタデータ） (2024-02-18T10:13:01Z) - Hyperbolic Random Forests [15.992363138277442]
我々は、よく知られたランダムな森林を双曲空間に一般化する。
ホロスフィアを用いて分割の概念を再定義することでこれを実現できる。
また、最小の共通祖先に基づくクラスと、大マルジン損失のクラスバランスバージョンを結合する新しい手法についても概説する。
論文 参考訳（メタデータ） (2023-08-25T10:01:53Z) - Design and analysis of tweet-based election models for the 2021 Mexican
legislative election [55.41644538483948]
選挙日前の6ヶ月の間に、1500万件の選挙関連ツイートのデータセットを使用します。
地理的属性を持つデータを用いたモデルが従来のポーリング法よりも精度と精度で選挙結果を決定することがわかった。
論文 参考訳（メタデータ） (2023-01-02T12:40:05Z) - Understanding Political Divisiveness using Online Participation data
from the 2022 French and Brazilian Presidential Elections [6.021640769621497]
参加者が個別の政府プログラムを構築するオンライン実験で収集したデータを提示する。
従来のアグリゲーション関数とは無関係なディバイシブネスの計量が偏極的提案を識別できることが分かる。
論文 参考訳（メタデータ） (2022-11-08T21:54:26Z) - Expected Frequency Matrices of Elections: Computation, Geometry, and
Preference Learning [58.23459346724491]
我々は、Szufa et al.(AAMAS 2020)の「選挙マップ」アプローチを用いて、よく知られた投票分布を分析します。
分布の「スケルトン写像」を描き、その頑健さを評価し、その性質を分析する。
論文 参考訳（メタデータ） (2022-05-16T17:40:22Z) - Multi-characteristic Subject Selection from Biased Datasets [79.82881947891589]
本稿では,異なる集団群に対する最良サンプリング分数を求める制約付き最適化に基づく手法を提案する。
その結果,提案手法がすべての問題変化のベースラインを最大90%上回っていることが示された。
論文 参考訳（メタデータ） (2020-12-18T15:55:27Z) - Stochastic Optimization Forests [60.523606291705214]
標準的なランダムな森林アルゴリズムのように予測精度を向上させるために分割するのではなく、分割を選択した木を栽培し、下流の意思決定品質を直接最適化することで、森林決定政策の訓練方法を示す。
概略分割基準は、各候補分割に対して正確に最適化された森林アルゴリズムに近い性能を保ちながら、100倍のランニング時間を短縮できることを示す。
論文 参考訳（メタデータ） (2020-08-17T16:56:06Z) - Forecasting Election Polls with Spin Systems [0.0]
政治予測の問題は、古典的スピンシステムの基底状態構成を見つけるためにマッピングできることが示される。
また,本手法は傾向検出アルゴリズムとして理解することができ,特に感情分析や偽ニュースの同定に有用である。
論文 参考訳（メタデータ） (2020-07-09T21:10:54Z) - Electoral Forecasting Using a Novel Temporal Attenuation Model:
Predicting the US Presidential Elections [91.3755431537592]
予備選別世論調査データを用いて予測精度を向上させる新しいマクロスケール時間減衰(TA)モデルを開発した。
我々の仮説は、世論調査を公表するタイミングは、特に選挙直前の世論の変動に重要な役割を果たす、というものである。
我々は,48年間の平均予測誤差2.8-3.28点を蓄積するTAモデルの2つの異なる実装を提案する。
論文 参考訳（メタデータ） (2020-04-30T09:21:52Z)
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。