Fugu-MT 論文翻訳(概要): Skeptical inferences in multi-label ranking with sets of probabilities

論文の概要: Skeptical inferences in multi-label ranking with sets of probabilities

arxiv url: http://arxiv.org/abs/2210.08576v1
Date: Sun, 16 Oct 2022 16:17:56 GMT
ステータス: 処理完了
システム内更新日: 2022-10-18 17:49:20.679749
Title: Skeptical inferences in multi-label ranking with sets of probabilities
Title（参考訳）: 確率集合をもつマルチラベルランキングにおける懐疑的推論
Authors: Yonatan Carlos Carranza Alarc\'on, Vu-Linh Nguyen
Abstract要約: 本稿では,多ラベルランキング問題に対する懐疑的推論の問題点について考察する。我々は、完成したランキングからなる設定値予測の観点から懐疑的な推測を求める。
参考スコア（独自算出の注目度）: 3.883460584034766
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper, we consider the problem of making skeptical inferences for the multi-label ranking problem. We assume that our uncertainty is described by a convex set of probabilities (i.e. a credal set), defined over the set of labels. Instead of learning a singleton prediction (or, a completed ranking over the labels), we thus seek for skeptical inferences in terms of set-valued predictions consisting of completed rankings.
Abstract（参考訳）: 本稿では,多ラベルランキング問題に対する懐疑的推論問題について考察する。不確実性はラベルの集合上で定義される確率の凸集合(すなわちクレダル集合)によって記述されると仮定する。シングルトン予測(またはラベル上の完備ランキング)を学ぶ代わりに、我々は完成したランキングからなる集合値予測の観点から懐疑的な推測を求める。

関連論文リスト

A Conformal Prediction Score that is Robust to Label Noise [13.22445242068721]
ラベルノイズに頑健なコンフォメーションスコアを導入する。ノイズラベル付きデータとノイズレベルを用いて、ノイズフリーコンフォメーションスコアを推定する。提案手法は,予測セットの平均サイズにおいて,現在の手法よりも大きなマージンで優れていることを示す。
論文参考訳（メタデータ） (2024-05-04T12:22:02Z)
Bounding Consideration Probabilities in Consider-Then-Choose Ranking Models [4.968566004977497]
正確な識別ができないにもかかわらず、考慮すべき確率に関する有用な情報を学習できることが示される。本手法は,心理学実験のランキングデータセット上で,2つの異なるランキングタスクを用いて実証する。
論文参考訳（メタデータ） (2024-01-19T20:27:29Z)
PAC Prediction Sets Under Label Shift [52.30074177997787]
予測セットは、個々のラベルではなくラベルのセットを予測することによって不確実性を捉える。ラベルシフト設定においてPAC保証付き予測セットを構築するための新しいアルゴリズムを提案する。提案手法を5つのデータセットで評価する。
論文参考訳（メタデータ） (2023-10-19T17:57:57Z)
Shrinking Class Space for Enhanced Certainty in Semi-Supervised Learning [59.44422468242455]
そこで我々はShrinkMatchと呼ばれる新しい手法を提案し、不確実なサンプルを学習する。それぞれの不確実なサンプルに対して、元の Top-1 クラスを単に含むスランク類空間を適応的に求める。次に、スランク空間における強と弱に強化された2つのサンプル間の整合正則化を課し、識別的表現を試みます。
論文参考訳（メタデータ） (2023-08-13T14:05:24Z)
Skeptical binary inferences in multi-label problems with sets of probabilities [0.0]
複数ラベル問題に対する分布的に堅牢で懐疑的な推測を行うことの問題点を考察する。懐疑論により、我々はこの集合内のすべての分布に対して真であるような推論のみを有効とみなすことができると理解する。特にハミング損失の場合、多ラベル問題における共通損失関数について検討し、この設定において懐疑的な推論がいかに可能かを示す。
論文参考訳（メタデータ） (2022-05-02T05:37:53Z)
Resolving label uncertainty with implicit posterior models [71.62113762278963]
本稿では,データサンプルのコレクション間でラベルを共同で推論する手法を提案する。異なる予測子を後部とする生成モデルの存在を暗黙的に仮定することにより、弱い信念の下での学習を可能にする訓練目標を導出する。
論文参考訳（メタデータ） (2022-02-28T18:09:44Z)
Multi-label Chaining with Imprecise Probabilities [0.0]
本稿では,古典的マルチラベル連鎖法を拡張し,不正確な確率推定を行うための2つの戦略を提案する。このような推定に利用できる主な理由は、(1)連鎖において高い不確実性が検出された場合に慎重な予測を行うこと、(2)連鎖の初期決定におけるバイアスを回避し、より正確な予測を行うことである。両手法の信頼性を検証したラベルの欠落に関する実験結果から,精度の高いモデルが故障した場合の予測が困難である事例に対して,本手法が関連する注意を喚起することを示す。
論文参考訳（メタデータ） (2021-07-15T16:43:31Z)
Distribution-free uncertainty quantification for classification under label shift [105.27463615756733]
2つの経路による分類問題に対する不確実性定量化(UQ)に焦点を当てる。まず、ラベルシフトはカバレッジとキャリブレーションの低下を示すことでuqを損なうと論じる。これらの手法を, 理論上, 分散性のない枠組みで検討し, その優れた実用性を示す。
論文参考訳（メタデータ） (2021-03-04T20:51:03Z)
Cautious Active Clustering [79.23797234241471]
ユークリッド空間上の未知の確率測度からサンプリングされた点の分類の問題を考える。我々のアプローチは、未知の確率測度を、各クラスに対する条件付き確率の凸結合として考えることである。
論文参考訳（メタデータ） (2020-08-03T23:47:31Z)
Distribution-free binary classification: prediction sets, confidence intervals and calibration [106.50279469344937]
分布自由条件における二項分類のための不確実性定量化(キャリブレーション、信頼区間、予測セット)の3つの概念について検討する。固定幅と一様質量の両双対の双対確率に対する信頼区間を導出する。我々の「三脚」定理の結果として、双有理確率に対するこれらの信頼区間は分布自由キャリブレーションに繋がる。
論文参考訳（メタデータ） (2020-06-18T14:17:29Z)

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。