Fugu-MT 論文翻訳(概要): Outcome Assumptions and Duality Theory for Balancing Weights

論文の概要: Outcome Assumptions and Duality Theory for Balancing Weights

arxiv url: http://arxiv.org/abs/2203.09557v1
Date: Thu, 17 Mar 2022 18:41:23 GMT
ステータス: 処理完了
システム内更新日: 2022-03-22 10:22:17.208030
Title: Outcome Assumptions and Duality Theory for Balancing Weights
Title（参考訳）: バランスウェイトに対するアウトカム推定と双対理論
Authors: David Bruns-Smith and Avi Feller
Abstract要約: 本研究は,対象個体群における減少率を推定するために,対象個体群からの再重み付けを行う重み推定器について検討する。この結果の仮定には2つの直接的な意味があることが示される。
参考スコア（独自算出の注目度）: 8.162881855069156
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We study balancing weight estimators, which reweight outcomes from a source population to estimate missing outcomes in a target population. These estimators minimize the worst-case error by making an assumption about the outcome model. In this paper, we show that this outcome assumption has two immediate implications. First, we can replace the minimax optimization problem for balancing weights with a simple convex loss over the assumed outcome function class. Second, we can replace the commonly-made overlap assumption with a more appropriate quantitative measure, the minimum worst-case bias. Finally, we show conditions under which the weights remain robust when our assumptions on the outcomes are wrong.
Abstract（参考訳）: 体重推定器のバランスについて検討し, 対象個体群における行方不明個体数を推定するために, 発生源集団からの結果を重み付けする。これらの推定器は、結果モデルについて仮定することで最悪のケースエラーを最小限にする。本稿では,この結果仮定が2つの直接的な意味を持つことを示す。まず、推定結果関数クラスに対して単純な凸損失で重みのバランスをとるためにミニマックス最適化問題を置き換える。第二に、一般的な重なり合いの仮定を、より適切な量的尺度、最悪の場合の最小バイアスに置き換えることができる。最後に,結果に対する仮定が間違っている場合,重みが頑健である条件を示す。

関連論文リスト

On the Variance, Admissibility, and Stability of Empirical Risk Minimization [80.26309576810844]
2乗損失を持つ経験的リスク最小化(ERM)は、極小最適誤差率に達する可能性がある。軽微な仮定では、ERMの準最適性はばらつきよりも大きなバイアスによるものでなければならない。また、我々の推定は、非ドンスカー類に対するCaponnetto と Rakhlin (2006) の主な結果を補完する ERM の安定性を示唆している。
論文参考訳（メタデータ） (2023-05-29T15:25:48Z)
Covariate balancing using the integral probability metric for causal inference [1.8899300124593648]
本稿では,2つの確率測度間の距離である積分確率測度(IPM)について検討する。モデルを正確に指定することなく,対応する推定器の整合性を証明した。提案手法は, 有限標本に対して, 既存の重み付け法よりも大きなマージンを有する。
論文参考訳（メタデータ） (2023-05-23T06:06:45Z)
Augmented balancing weights as linear regression [3.877356414450364]
自動脱バイアス機械学習(AutoDML)としても知られる拡張バランスウェイトの特徴を新たに提供する。拡張推定器は、元の結果モデルから得られる係数と、不注意な通常の最小二乗(OLS)から得られる係数を同じデータに組み合わせた単一の線形モデルと等価であることを示す。私たちのフレームワークは、この人気の高い推定器のクラスにブラックボックスを開きます。
論文参考訳（メタデータ） (2023-04-27T21:53:54Z)
Propensity score models are better when post-calibrated [0.32228025627337864]
ポスト校正は、表現的未校正統計推定器における効果推定における誤差を低減する。効果推定の改善とポスト校正が計算的に安価であることを考えると、表現的モデルを用いて確率スコアをモデル化する場合に採用することを推奨する。
論文参考訳（メタデータ） (2022-11-02T16:01:03Z)
Learning to Re-weight Examples with Optimal Transport for Imbalanced Classification [74.62203971625173]
不均衡データは、ディープラーニングに基づく分類モデルに課題をもたらす。不均衡なデータを扱うための最も広く使われているアプローチの1つは、再重み付けである。本稿では,分布の観点からの最適輸送(OT)に基づく新しい再重み付け手法を提案する。
論文参考訳（メタデータ） (2022-08-05T01:23:54Z)
Variance Minimization in the Wasserstein Space for Invariant Causal Prediction [72.13445677280792]
そこで本研究では,ICPで行ったアプローチを,予測器数で線形にスケールする一連の非パラメトリックテストとして再検討する。これらのテストはそれぞれ、最適輸送理論の道具から導かれる新しい損失関数の最小化に依存している。我々は,本手法が同定可能な直接原因の集合を回復できるという軽微な仮定の下で証明し,他のベンチマーク因果探索アルゴリズムと競合することを示す。
論文参考訳（メタデータ） (2021-10-13T22:30:47Z)
Expected Validation Performance and Estimation of a Random Variable's Maximum [48.83713377993604]
予測された検証性能に対する3つの統計的推定器を解析する。偏りのない推定器は最も分散度が高く、最小分散度を持つ推定器は最大のバイアスを持つ。 2つの偏りのある推定器は、最も少ない誤った結論につながる。
論文参考訳（メタデータ） (2021-10-01T18:48:47Z)
Adversarial Regression with Doubly Non-negative Weighting Matrices [25.733130388781476]
二重非負行列を用いてサンプル重みをパラメータ化することにより、カーネル再重み付け回帰の新しいコヒーレントな手法を提案する。数値実験により、我々の再重み付け戦略は多くのデータセットに対して有望な結果をもたらすことが示された。
論文参考訳（メタデータ） (2021-09-30T06:41:41Z)
Continuous Weight Balancing [0.0]
高度に不均衡あるいは歪んだ特徴を有する問題に対して,試料重みを簡易に選択する手法を提案する。推定ソースと指定されたターゲット分布間の転送関数からサンプルウェイトを導出します。本手法は回帰処理と分類処理の両方において非重み付きモデルと離散重み付きモデルの両方に優れる。
論文参考訳（メタデータ） (2021-03-30T18:03:12Z)
A One-step Approach to Covariate Shift Adaptation [82.01909503235385]
多くの機械学習シナリオにおけるデフォルトの前提は、トレーニングとテストサンプルは同じ確率分布から引き出されることである。予測モデルと関連する重みを1つの最適化で共同で学習する新しいワンステップアプローチを提案する。
論文参考訳（メタデータ） (2020-07-08T11:35:47Z)
Learning Minimax Estimators via Online Learning [55.92459567732491]
確率分布のパラメータを推定するミニマックス推定器を設計する際の問題点を考察する。混合ケースナッシュ平衡を求めるアルゴリズムを構築した。
論文参考訳（メタデータ） (2020-06-19T22:49:42Z)

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。