Fugu-MT 論文翻訳(概要): Estimating large causal polytrees from small samples

論文の概要: Estimating large causal polytrees from small samples

arxiv url: http://arxiv.org/abs/2209.07028v3
Date: Fri, 29 Mar 2024 18:50:04 GMT
ステータス: 処理完了
システム内更新日: 2024-04-02 16:23:34.884239
Title: Estimating large causal polytrees from small samples
Title（参考訳）: 小型試料から大根多樹を推定する
Authors: Sourav Chatterjee, Mathukumalli Vidyasagar,
Abstract要約: 比較的小さなi.d.サンプルから大きな因果ポリツリーを推定する問題を考察する。このような設定で高い精度で木を復元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）: 6.322831694506287
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We consider the problem of estimating a large causal polytree from a relatively small i.i.d. sample. This is motivated by the problem of determining causal structure when the number of variables is very large compared to the sample size, such as in gene regulatory networks. We give an algorithm that recovers the tree with high accuracy in such settings. The algorithm works under essentially no distributional or modeling assumptions other than some mild non-degeneracy conditions.
Abstract（参考訳）: 比較的小さなi.d.サンプルから大きな因果ポリツリーを推定する問題を考察する。これは、遺伝子制御ネットワークのようなサンプルサイズに比べて変数の数が非常に大きい場合、因果構造を決定するという問題によって動機づけられる。このような設定で高い精度で木を復元するアルゴリズムを提案する。このアルゴリズムは、いくつかの軽度の非退化条件以外は、本質的に分布性やモデリングの仮定では機能しない。

関連論文リスト

Identifying General Mechanism Shifts in Linear Causal Representations [58.6238439611389]
我々は,未知の潜在因子の線形混合を観測する線形因果表現学習環境について考察する。近年の研究では、潜伏要因の復元や、それに基づく構造因果モデルの構築が可能であることが示されている。非常に穏やかな標準仮定の下では、シフトしたノードの集合を識別することが可能である。
論文参考訳（メタデータ） (2024-10-31T15:56:50Z)
Learning causal graphs using variable grouping according to ancestral relationship [7.126300090990439]
サンプルサイズが変数数に対して小さい場合には,既存手法を用いた因果グラフの推定精度が低下する。サンプルサイズが変数の数より小さい場合、いくつかのメソッドは実現不可能である。これらの問題を回避すべく、ある研究者は分割・対数アプローチを用いた因果構造学習アルゴリズムを提案した。
論文参考訳（メタデータ） (2024-03-21T04:42:04Z)
Best Arm Identification with Fixed Budget: A Large Deviation Perspective [54.305323903582845]
我々は、様々な武器の報酬間の経験的ギャップに基づいて、あらゆるラウンドで腕を拒絶できる真に適応的なアルゴリズムであるsredを提示する。特に、様々な武器の報酬の間の経験的ギャップに基づいて、あらゆるラウンドで腕を拒絶できる真に適応的なアルゴリズムであるsredを提示する。
論文参考訳（メタデータ） (2023-12-19T13:17:43Z)
A cautionary tale on fitting decision trees to data from additive models: generalization lower bounds [9.546094657606178]
本研究では,異なる回帰モデルに対する決定木の一般化性能について検討する。これにより、アルゴリズムが新しいデータに一般化するために(あるいは作らない)仮定する帰納的バイアスが引き起こされる。スパース加法モデルに適合する大規模な決定木アルゴリズムに対して、シャープな2乗誤差一般化を低い境界で証明する。
論文参考訳（メタデータ） (2021-10-18T21:22:40Z)
Decentralized Learning of Tree-Structured Gaussian Graphical Models from Noisy Data [1.52292571922932]
本稿では,木構造ガウス図形モデル(GGM)の雑音データからの分散学習について検討する。 GGMは遺伝子制御ネットワークやソーシャルネットワークのような複雑なネットワークをモデル化するために広く利用されている。提案した分散学習では,木構造GGMの推定にChow-Liuアルゴリズムを用いる。
論文参考訳（メタデータ） (2021-09-22T10:41:18Z)
Robustifying Algorithms of Learning Latent Trees with Vector Variables [92.18777020401484]
Recursive Grouping (RG) と Chow-Liu Recursive Grouping (CLRG) のサンプル複雑性について述べる。 RG,CLRG,Neighbor Joining (NJ) およびSpectral NJ (SNJ) をトラッピングした内積を用いて強化する。我々は、潜在木の構造学習において、最初の既知のインスタンス依存の不合理性の結果を導出する。
論文参考訳（メタデータ） (2021-06-02T01:37:52Z)
SGA: A Robust Algorithm for Partial Recovery of Tree-Structured Graphical Models with Noisy Samples [75.32013242448151]
ノードからの観測が独立しているが非識別的に分散ノイズによって破損した場合、Ising Treeモデルの学習を検討する。 Katiyarら。 (2020) は, 正確な木構造は復元できないが, 部分木構造を復元できることを示した。統計的に堅牢な部分木回復アルゴリズムであるSymmetrized Geometric Averaging(SGA)を提案する。
論文参考訳（メタデータ） (2021-01-22T01:57:35Z)
Adversarial Examples for $k$-Nearest Neighbor Classifiers Based on Higher-Order Voronoi Diagrams [69.4411417775822]
逆例は機械学習モデルにおいて広く研究されている現象である。そこで本研究では,$k$-nearest 近傍分類の逆ロバスト性を評価するアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-11-19T08:49:10Z)
Interpolation and Learning with Scale Dependent Kernels [91.41836461193488]
非パラメトリックリッジレス最小二乗の学習特性について検討する。スケール依存カーネルで定義される推定器の一般的な場合を考える。
論文参考訳（メタデータ） (2020-06-17T16:43:37Z)
Robust Estimation of Tree Structured Ising Models [20.224160348675422]
我々は、異なる確率変数の符号が、おそらく不等で未知の確率で独立に反転するときに、イジングモデルを学習するタスクを考える。しかし, この不同一性は, 葉ノードが近傍と位置を交換して形成する小さな同値類に限られる。
論文参考訳（メタデータ） (2020-06-10T01:32:45Z)

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。