論文の概要: Model selection with Gini indices under auto-calibration
- arxiv url: http://arxiv.org/abs/2207.14372v1
- Date: Thu, 28 Jul 2022 20:39:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-01 12:28:14.169637
- Title: Model selection with Gini indices under auto-calibration
- Title(参考訳): 自動校正によるジーニ指標を用いたモデル選択
- Authors: Mario V. W\"uthrich
- Abstract要約: ジーニ指数は一貫したスコアリングルールを与えない。
自動校正回帰モデルのクラスに限定した場合、Gini指数が一貫したスコアリングを可能にすることを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In general, the Gini index does not give a consistent scoring rule.
Therefore, maximizing the Gini index may lead to a wrong decision. The main
issue is that the Gini index is a rank-based score that is not
calibration-sensitive. We show that the Gini index allows for consistent
scoring if we restrict it to the class of auto-calibrated regression models.
- Abstract(参考訳): 一般に、ジニ指数は一貫したスコア付け規則を与えない。
したがって、ジーニ指数の最大化は間違った決定につながる可能性がある。
主な問題は、ジニ指数がキャリブレーションに敏感でないランクに基づくスコアであることである。
自動校正回帰モデルのクラスに限定した場合、Gini指数が一貫したスコアリングを可能にすることを示す。
関連論文リスト
- Target Score Matching [36.80075781966174]
対象スコアの知識を活用できることが示される。
ターゲットスコア識別と対応するターゲットスコアマッチング回帰損失を示す。
論文 参考訳(メタデータ) (2024-02-13T18:48:28Z) - Classifying Nodes in Graphs without GNNs [50.311528896010785]
本稿では,完全GNNフリーなノード分類手法を提案する。
本手法は, 滑らかさ制約, 擬似ラベル反復, 近傍ラベルヒストグラムの3つの主要成分からなる。
論文 参考訳(メタデータ) (2024-02-08T18:59:30Z) - GNNEvaluator: Evaluating GNN Performance On Unseen Graphs Without Labels [81.93520935479984]
本稿では,ラベル付きおよび観測されたグラフに基づいて学習した特定のGNNモデルの性能を評価することを目的とした,新しい問題であるGNNモデル評価について検討する。
本稿では,(1) DiscGraph セット構築と(2) GNNEvaluator トレーニングと推論を含む2段階の GNN モデル評価フレームワークを提案する。
DiscGraphセットからの効果的なトレーニング監督の下で、GNNEvaluatorは、評価対象であるGNNモデルのノード分類精度を正確に推定することを学ぶ。
論文 参考訳(メタデータ) (2023-10-23T05:51:59Z) - Semi-Supervised Laplacian Learning on Stiefel Manifolds [67.29074577550405]
我々は、ララシアグラフの非プラサート一般化の枠組みを改革する。
低ラベルレートでの教師付きサンプルの臨界中心性に対処する。
私たちのコードは提出のためにオンフットコノニマス化されています。
論文 参考訳(メタデータ) (2023-07-31T20:19:36Z) - ProTeCt: Prompt Tuning for Hierarchical Consistency [70.94769641675377]
CLIPのような大規模なビジュアル言語モデルは、一般化された表現を学び、有望なゼロショットのパフォーマンスを示している。
彼らは、葉のレベルでの推測が正しい場合でも、粗い分類学的階級レベルで誤ったラベルを推測する。
本稿では,モデル予測の階層的一貫性を校正するための即時チューニング手法を提案する。
論文 参考訳(メタデータ) (2023-06-04T02:55:25Z) - A Graph Is More Than Its Nodes: Towards Structured Uncertainty-Aware
Learning on Graphs [49.76175970328538]
本稿では,エッジワイド・キャリブレーション・エラー(ECE)とアライアンス・ディスアグリーECEを新たに提案し,ノードワイド・セッティングを超えるグラフの不確実性推定の基準を提供する。
実験により,提案したエッジワイドメトリクスがノードワイズの結果を補完し,さらなる洞察を得ることが実証された。
論文 参考訳(メタデータ) (2022-10-27T16:12:58Z) - Optimizing Partial Area Under the Top-k Curve: Theory and Practice [151.5072746015253]
トップk曲線下部分領域(AUTKC)と呼ばれる新しい計量法を開発した。
AUTKCはより優れた識別能力を持ち、ベイズ最適スコア関数は条件付き確率に対して正しいトップKランクを与えることができる。
提案手法を最適化するために,実証的なサロゲートリスク最小化フレームワークを提案する。
論文 参考訳(メタデータ) (2022-09-03T11:09:13Z) - Learning Label Initialization for Time-Dependent Harmonic Extension [0.0]
本稿では,グラフ上のディリクレ問題の時間依存バージョンを考察し,その解法の改善方法を示す。
改良された解法はノード分類に使用される最先端の手法と同等であることを示す。
論文 参考訳(メタデータ) (2022-05-03T08:02:09Z) - Optimizing generalized Gini indices for fairness in rankings [21.17126614037989]
本稿では,推奨システムに最適化すべき規範的基準を規定する手段として,一般化されたジニ福祉機能(GGF)の利用について検討する。
これらの重みによって、GGFはアイテム露光のギニ指数を最小化し、アイテム間の平等を促進したり、満足度の低い特定の量子化に注目する。
我々は,最大15万のユーザと項目からなる実データセットを用いた実験を行い,提案手法は,さまざまな推奨タスクや公正度基準に基づく基準よりも優れたトレードオフが得られることを示す。
論文 参考訳(メタデータ) (2022-04-02T09:40:07Z) - GSC Loss: A Gaussian Score Calibrating Loss for Deep Learning [16.260520216972854]
ディープニューラルネットワーク(DNN)が生み出す予測スコアを校正するために,一般ガウススコア校正(GSC)損失を提案する。
10以上のベンチマークデータセットに対する大規模な実験は、提案されたGSC損失が、さまざまな視覚的タスクにおいて一貫した、重要なパフォーマンス向上をもたらすことを実証している。
論文 参考訳(メタデータ) (2022-03-02T02:52:23Z)
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。