Fugu-MT 論文翻訳(概要): Discussion of `Multiscale Fisher's Independence Test for Multivariate Dependence'

論文の概要: Discussion of `Multiscale Fisher's Independence Test for Multivariate Dependence'

arxiv url: http://arxiv.org/abs/2206.11142v1
Date: Wed, 22 Jun 2022 14:39:38 GMT
ステータス: 処理完了
システム内更新日: 2022-06-23 15:41:34.476214
Title: Discussion of `Multiscale Fisher's Independence Test for Multivariate Dependence'
Title（参考訳）: 多変量依存に対する「多変量フィッシャーの独立試験」の考察
Authors: Antonin Schrab and Wittawat Jitkrittum and Zolt\'an Szab\'o and Dino Sejdinovic and Arthur Gretton
Abstract要約: 我々は、Hilbert-Schmidt独立基準(HSIC)に基づく既存の線形時間カーネルテストと比較して、MultiFITがどのように比較されるかについて議論する。カーネルテストのレベルが有限のサンプルサイズであれば,MultiFITのレベルの場合と同様に,正確に制御できるという事実を強調した。
参考スコア（独自算出の注目度）: 27.38048605087624
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: We discuss how MultiFIT, the Multiscale Fisher's Independence Test for Multivariate Dependence proposed by Gorsky and Ma (2022), compares to existing linear-time kernel tests based on the Hilbert-Schmidt independence criterion (HSIC). We highlight the fact that the levels of the kernel tests at any finite sample size can be controlled exactly, as it is the case with the level of MultiFIT. In our experiments, we observe some of the performance limitations of MultiFIT in terms of test power.
Abstract（参考訳）: 我々は,Gorsky と Ma (2022) が提案したマルチスケールフィッシャー独立性試験である MultiFIT を,Hilbert-Schmidt 独立性基準(HSIC)に基づく既存の線形時間カーネルテストと比較した。カーネルテストのレベルが有限のサンプルサイズであれば,MultiFITのレベルの場合と同様に,正確に制御できるという事実を強調した。実験では,マルチフィットの性能限界のいくつかをテストパワーの観点から観察した。

関連論文リスト

Learning Deep Kernels for Non-Parametric Independence Testing [13.842061060076004]
ヒルベルト・シュミット独立基準(英: Hilbert-Schmidt Independence Criterion、HSIC)は、確率変数間の依存を非パラメトリックに検出するための強力なツールである。本稿では,テストパワーの推定値の最大化に基づいて,HSICベースの独立性テストで使用されるカーネルを選択する手法を提案する。
論文参考訳（メタデータ） (2024-09-10T22:18:07Z)
Testing multivariate normality by testing independence [0.0]
本稿では,Kac-Bernsteinの特性に基づく簡易な多変量正規化テストを提案する。また,高次元データに対して,提案手法は代替手法よりも効率的である可能性が示唆された。
論文参考訳（メタデータ） (2023-11-20T07:19:52Z)
Compatible Transformer for Irregularly Sampled Multivariate Time Series [75.79309862085303]
本研究では,各サンプルに対して総合的な時間的相互作用特徴学習を実現するためのトランスフォーマーベースのエンコーダを提案する。実世界の3つのデータセットについて広範な実験を行い、提案したCoFormerが既存の手法を大幅に上回っていることを検証した。
論文参考訳（メタデータ） (2023-10-17T06:29:09Z)
Kernel-based Joint Independence Tests for Multivariate Stationary and Non-stationary Time Series [0.6749750044497732]
多変量時系列における共同独立のカーネルベース統計テストを導入する。提案手法は, 合成例において, 高次依存関係を頑健に発見する方法を示す。我々の手法はデータの高次相互作用を明らかにするのに役立つ。
論文参考訳（メタデータ） (2023-05-15T10:38:24Z)
A Unifying Perspective on Multi-Calibration: Game Dynamics for Multi-Objective Learning [63.20009081099896]
マルチキャリブレーション予測器の設計と解析のための統一フレームワークを提供する。ゲームダイナミクスとの接続を利用して,多様なマルチ校正学習問題に対する最先端の保証を実現する。
論文参考訳（メタデータ） (2023-02-21T18:24:17Z)
Multi-Label Quantification [78.83284164605473]
定量化とは、教師なしデータサンプルにおいて、興味あるクラスの相対周波数の予測子を生成する教師付き学習課題である。本研究では,その相対頻度をより正確に予測するために,興味あるクラス間の依存関係を活用しようとするクラス有病率値の推定手法を提案する。
論文参考訳（メタデータ） (2022-11-15T11:29:59Z)
Multi-Objective GFlowNets [59.16787189214784]
本稿では,多目的最適化の文脈において,多様な候補を生成する問題について検討する。薬物発見やマテリアルデザインといった機械学習の多くの応用において、目標は、競合する可能性のある目標のセットを同時に最適化する候補を生成することである。 GFlowNetsをベースとした多目的GFlowNets(MOGFNs)を提案する。
論文参考訳（メタデータ） (2022-10-23T16:15:36Z)
Discussion of Multiscale Fisher's Independence Test for Multivariate Dependence [5.26362873447875]
マルチスケールフィッシャー独立試験 (MULTIFIT) は、Gorsky & Ma (2022) によって提案された2つのランダムベクトル間の独立性をテストする新しい方法である。設計上、この試験は特に局所依存の検出に有用である。再サンプリング不要のアプローチを採用することで、大量のサンプルサイズに容易に対応できる。
論文参考訳（メタデータ） (2022-04-26T13:53:52Z)
Machine Learning for Multi-Output Regression: When should a holistic multivariate approach be preferred over separate univariate ones? [62.997667081978825]
ランダムフォレストのような木に基づくアンサンブルは、統計学の手法の中で近代的な古典である。これらの手法を広範囲なシミュレーションで比較し,多変量アンサンブル技術を用いた場合の主問題に答える。
論文参考訳（メタデータ） (2022-01-14T08:44:25Z)
VC Dimension and Distribution-Free Sample-Based Testing [0.8830479021890576]
関数のどのクラスが学習できるよりも効率的にテストできるかを決定するという問題を検討する。 PAC学習に必要なサンプル数よりもはるかに少ない多くのサンプルを用いて、2つの自然な関数クラス、ジャンタ関数とモノトン関数をテストできることが示される。
論文参考訳（メタデータ） (2020-12-07T18:50:46Z)
Statistical Efficiency of Thompson Sampling for Combinatorial Semi-Bandits [56.31950477139053]
半帯域フィードバック(CMAB)を用いたマルチアームバンディットの検討我々は Combinatorial Thompson Smpling Policy (CTS) の変種を解析する。この最終結果は,Y Combinatorial Bandit Policy (ESCB) の効率的なサンプリングに代わるものだ。
論文参考訳（メタデータ） (2020-06-11T17:12:11Z)

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。