論文の概要: Decision-making with E-admissibility given a finite assessment of
choices
- arxiv url: http://arxiv.org/abs/2204.07428v1
- Date: Fri, 15 Apr 2022 11:46:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-18 12:17:48.424069
- Title: Decision-making with E-admissibility given a finite assessment of
choices
- Title（参考訳）: 選択肢の有限評価によるE許容性決定
- Authors: Arne Decadt and Alexander Erreygers and Jasper De Bock and Gert de
Cooman
- Abstract要約: 本稿では,E-admissibilityによる意思決定の意義について考察する。
我々は選択関数の数学的枠組みを用いて選択と拒絶を指定する。
線形実現可能性問題を解くことによって,この拡張を計算するアルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 64.29961886833972
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Given information about which options a decision-maker definitely rejects
from given finite sets of options, we study the implications for
decision-making with E-admissibility. This means that from any finite set of
options, we reject those options that no probability mass function compatible
with the given information gives the highest expected utility. We use the
mathematical framework of choice functions to specify choices and rejections,
and specify the available information in the form of conditions on such
functions. We characterise the most conservative extension of the given
information to a choice function that makes choices based on E-admissibility,
and provide an algorithm that computes this extension by solving linear
feasibility problems.
- Abstract（参考訳）: 決定者側が与えられた選択肢の集合から確実に拒否する選択肢に関する情報を考えると、E-admissibility による意思決定の意義について検討する。
つまり、任意の有限の選択肢から、与えられた情報と相容れない確率質量関数が最高の効用を与えるような選択肢を拒絶することを意味する。
我々は選択関数の数学的枠組みを用いて選択と拒絶を指定し、そのような関数の条件の形で利用可能な情報を指定する。
与えられた情報の最も保守的な拡張を、e-許容度に基づいて選択する選択関数に特徴付け、この拡張を線形実現可能性問題を解くことによって計算するアルゴリズムを提供する。
関連論文リスト
- Extending choice assessments to choice functions: An algorithm for computing the natural extension [45.238324742678124]
選択関数の枠組みを用いて、選択前の選択から新しい選択を推測する方法を研究する。
特に、与えられた選択評価の自然(最も保守的な)拡張をコヒーレントな選択関数に定義する。
論文 参考訳（メタデータ） (2024-07-30T20:10:59Z) - End-to-End Learning for Fair Multiobjective Optimization Under
Uncertainty [55.04219793298687]
機械学習における予測-Then-Forecast(PtO)パラダイムは、下流の意思決定品質を最大化することを目的としている。
本稿では,PtO法を拡張して,OWA(Nondifferentiable Ordered Weighted Averaging)の目的を最適化する。
この結果から,不確実性の下でのOWA関数の最適化とパラメトリック予測を効果的に統合できることが示唆された。
論文 参考訳（メタデータ） (2024-02-12T16:33:35Z) - Predict-Then-Optimize by Proxy: Learning Joint Models of Prediction and
Optimization [59.386153202037086]
Predict-Then-フレームワークは、機械学習モデルを使用して、最適化問題の未知のパラメータを、解決前の機能から予測する。
このアプローチは非効率であり、最適化ステップを通じてバックプロパゲーションのための手作りの、問題固有のルールを必要とする。
本稿では,予測モデルを用いて観測可能な特徴から最適解を直接学習する手法を提案する。
論文 参考訳（メタデータ） (2023-11-22T01:32:06Z) - Generalizing Bayesian Optimization with Decision-theoretic Entropies [102.82152945324381]
統計的決定論の研究からシャノンエントロピーの一般化を考える。
まず,このエントロピーの特殊なケースがBO手順でよく用いられる獲得関数に繋がることを示す。
次に、損失に対する選択肢の選択が、どのようにして柔軟な獲得関数の族をもたらすかを示す。
論文 参考訳（メタデータ） (2022-10-04T04:43:58Z) - Bounding Counterfactuals under Selection Bias [60.55840896782637]
本稿では,識別不能なクエリと識別不能なクエリの両方に対処するアルゴリズムを提案する。
選択バイアスによって引き起こされる欠如にもかかわらず、利用可能なデータの可能性は無限であることを示す。
論文 参考訳（メタデータ） (2022-07-26T10:33:10Z) - Black-box Selective Inference via Bootstrapping [5.960626580825523]
条件選択推論は選択イベントの正確な特徴を必要とするが、ラッソのようないくつかの例を除いてしばしば利用できない。
この研究は、選択イベントを推定するための一般的なアプローチを導入し、選択イベントに条件付けされた実行可能な推論を容易にすることで、この問題に対処する。
論文 参考訳（メタデータ） (2022-03-28T05:18:21Z) - Choice Set Confounding in Discrete Choice [29.25891648918572]
既存の学習方法は、選択セットの割り当てがデータにどう影響するかを見落とします。
我々は因果推論から個別選択設定にメソッドを適応させる。
ホテル予約における選択集合の整理は,合理的な有効性最大化とより一致していることを示す。
論文 参考訳（メタデータ） (2021-05-17T15:39:02Z) - Inference with Choice Functions Made Practical [1.1859913430860332]
我々は、従来の選択から新しい選択を保守的な方法で推測する方法を研究する。
我々は選択関数の理論(保守的な意思決定のための統一された数学的枠組み)を用いる。
論文 参考訳（メタデータ） (2020-05-07T12:58:05Z) - Archimedean Choice Functions: an Axiomatic Foundation for Imprecise
Decision Making [0.9442139459221782]
確率測度(E-admissibility)と最大性(maximality)の集合に適用する2つの一般化に焦点を当てる。
我々は、この規則を一意に特徴づける選択関数に関する必要十分条件の集合を提供する。
アルキメデス選択関数のコヒーレントな下予想の表現定理は、どちらの結果にも基づいている。
論文 参考訳（メタデータ） (2020-02-12T19:44:08Z)
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。