論文の概要: Covariance regression with random forests
- arxiv url: http://arxiv.org/abs/2209.08173v1
- Date: Fri, 16 Sep 2022 21:21:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-20 19:58:02.788928
- Title: Covariance regression with random forests
- Title(参考訳): ランダム森林との共分散回帰
- Authors: Cansu Alakus, Denis Larocque, Aurelie Labbe
- Abstract要約: ランダム森林を用いた共分散回帰法(CovRegRF)を提案する。
提案手法は, 精度の高い共分散行列推定を行い, Type-1誤差を適切に制御する。
また,甲状腺疾患データセットを用いた本手法の適用例を示した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Capturing the conditional covariances or correlations among the elements of a
multivariate response vector based on covariates is important to various fields
including neuroscience, epidemiology and biomedicine. We propose a new method
called Covariance Regression with Random Forests (CovRegRF) to estimate the
covariance matrix of a multivariate response given a set of covariates, using a
random forest framework. Random forest trees are built with a splitting rule
specially designed to maximize the difference between the sample covariance
matrix estimates of the child nodes. We also propose a significance test for
the partial effect of a subset of covariates. We evaluate the performance of
the proposed method and significance test through a simulation study which
shows that the proposed method provides accurate covariance matrix estimates
and that the Type-1 error is well controlled. We also demonstrate an
application of the proposed method with a thyroid disease data set.
- Abstract(参考訳): 共変量に基づく多変量応答ベクトルの要素間の条件共変や相関を捉えることは、神経科学、疫学、生医学など様々な分野において重要である。
本研究では,ランダムフォレストフレームワークを用いて多変量応答の共分散行列を推定するために,ランダムフォレストとの共分散回帰(covregrf)と呼ばれる新しい手法を提案する。
ランダムフォレストツリーは、子ノードのサンプル共分散行列推定値の違いを最大化するために特別に設計された分割ルールで構築される。
また,共変量のサブセットの部分的効果に対する意義試験も提案する。
本研究では,提案手法が正確な共分散行列推定を提供し,タイプ1の誤差が十分に制御されていることを示すシミュレーション実験を行い,提案手法と意義試験の性能評価を行った。
また, 甲状腺疾患データセットを用いた提案法の適用例を示す。
関連論文リスト
- Selective Nonparametric Regression via Testing [54.20569354303575]
本研究では,所定の点における条件分散の値に関する仮説を検証し,留置手順を開発する。
既存の手法とは異なり、提案手法は分散自体の値だけでなく、対応する分散予測器の不確実性についても考慮することができる。
論文 参考訳(メタデータ) (2023-09-28T13:04:11Z) - An ADMM approach for multi-response regression with overlapping groups
and interaction effects [0.0]
我々は新しい正規化回帰法であるMADMMplassoを提案する。
パラメータ推定のために,重なり合うグループを簡単な方法で実装できるADMMアルゴリズムを開発した。
薬理ゲノミクス・スクリーン・データセットのシミュレーションと解析の結果,提案手法は相関応答と相互作用効果の処理に有利であることがわかった。
論文 参考訳(メタデータ) (2023-03-20T14:43:22Z) - Risk Consistent Multi-Class Learning from Label Proportions [64.0125322353281]
本研究は,バッグにトレーニングインスタンスを提供するMCLLP設定によるマルチクラス学習に対処する。
既存のほとんどのMCLLPメソッドは、インスタンスの予測や擬似ラベルの割り当てにバッグワイズな制約を課している。
経験的リスク最小化フレームワークを用いたリスク一貫性手法を提案する。
論文 参考訳(メタデータ) (2022-03-24T03:49:04Z) - CARMS: Categorical-Antithetic-REINFORCE Multi-Sample Gradient Estimator [60.799183326613395]
本稿では, 相互に負に相関した複数のサンプルに基づく分類的確率変数の非バイアス推定器を提案する。
CARMSは、ReINFORCEとコプラベースのサンプリングを組み合わせることで、重複サンプルを回避し、その分散を低減し、重要サンプリングを使用して推定器を偏りなく維持する。
我々は、生成的モデリングタスクと構造化された出力予測タスクに基づいて、いくつかのベンチマークデータセット上でCARMSを評価し、強力な自己制御ベースラインを含む競合する手法より優れていることを示す。
論文 参考訳(メタデータ) (2021-10-26T20:14:30Z) - Inference for High Dimensional Censored Quantile Regression [8.993036560782137]
本稿では,グローバルに検閲された量子レグレッションの枠組みの中で,すべての予測子を推論する新しい手法を提案する。
提案手法は,高次元設定における推定の不確かさを適切に定量化できることを示す。
肺がん経路に居住するSNPが患者の生存に及ぼす影響を解析するために本法を適用した。
論文 参考訳(メタデータ) (2021-07-22T23:57:06Z) - AdaPT-GMM: Powerful and robust covariate-assisted multiple testing [0.7614628596146599]
偽発見率(FDR)制御を用いた複数検定の実証的ベイズ法を提案する。
本手法は,アダプティブp値しきい値法(AdaPT)をマスク方式の一般化により洗練する。
我々は、AdaPT-GMMと呼ばれる新しい手法が一貫して高出力を実現することを、広範囲にわたるシミュレーションと実データ例で示す。
論文 参考訳(メタデータ) (2021-06-30T05:06:18Z) - On the Use of Minimum Penalties in Statistical Learning [2.1320960069210475]
本稿では,多変量回帰モデルと結果変数の関係を同時に推定する枠組みを提案する。
現状技術手法を一般化する反復アルゴリズムを解法として提案する。
我々は、提案したMinPenフレームワークを他の指数関数的なファミリー損失関数に拡張し、複数の二項応答に特異的に焦点をあてる。
論文 参考訳(メタデータ) (2021-06-09T16:15:46Z) - Sampling-free Variational Inference for Neural Networks with
Multiplicative Activation Noise [51.080620762639434]
サンプリングフリー変動推論のための後方近似のより効率的なパラメータ化を提案する。
提案手法は,標準回帰問題に対する競合的な結果をもたらし,大規模画像分類タスクに適している。
論文 参考訳(メタデータ) (2021-03-15T16:16:18Z) - Conditional canonical correlation estimation based on covariates with
random forests [0.0]
本研究では,2つの変数間の条件付き正準相関を推定するRFCCAを用いたランダムフォレスト(Random Forest)を提案する。
提案手法と大域的意義試験は,精度の高い正準相関推定とよく制御されたType-1誤差を提供するシミュレーション研究によって評価される。
論文 参考訳(メタデータ) (2020-11-23T17:09:46Z) - Estimating Gradients for Discrete Random Variables by Sampling without
Replacement [93.09326095997336]
我々は、置換のないサンプリングに基づいて、離散確率変数に対する期待値の偏りのない推定器を導出する。
推定器は3つの異なる推定器のラオ・ブラックウェル化として導出可能であることを示す。
論文 参考訳(メタデータ) (2020-02-14T14:15:18Z) - Adaptive Correlated Monte Carlo for Contextual Categorical Sequence
Generation [77.7420231319632]
我々は,モンテカルロ (MC) ロールアウトの集合を分散制御のために評価する政策勾配推定器に,カテゴリー列の文脈的生成を適用する。
また,二分木ソフトマックスモデルに相関したMCロールアウトを用いることで,大語彙シナリオにおける高生成コストを低減できることを示す。
論文 参考訳(メタデータ) (2019-12-31T03:01:55Z)
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。