論文の概要: What matters in the new field of machine learning and satellite imagery-based poverty predictions? A review with relevance for potential downstream applications and development research

• arxiv url: http://arxiv.org/abs/2210.10568v1
• Date: Wed, 19 Oct 2022 14:09:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 11:55:09.228388
• Title: What matters in the new field of machine learning and satellite imagery-based poverty predictions? A review with relevance for potential downstream applications and development research
• Title（参考訳）: 機械学習と衛星画像に基づく貧困予測の新しい分野で何が重要か? 下流利用の可能性と開発研究との関連性に関するレビュー
• Authors: Olan Hall, Francis Dompae, Ibrahim Wahab and Fred Mawunyo Dzanku
• Abstract要約: 本稿では,衛星と機械学習による貧困推定技術の現状を概観し,いくつかの興味深い結果を得た。 レビューされた研究における福祉の予測力に相関する最も重要な要因は、採用される前処理ステップの数、使用するデータセットの数、対象とする福祉指標の種類、AIモデルの選択である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper reviews the state of the art in satellite and machine learning based poverty estimates and finds some interesting results. The most important factors correlated to the predictive power of welfare in the reviewed studies are the number of pre-processing steps employed, the number of datasets used, the type of welfare indicator targeted, and the choice of AI model. As expected, studies that used hard indicators as targets achieved better performance in predicting welfare than those that targeted soft ones. Also expected was the number of pre-processing steps and datasets used having a positive and statistically significant relationship with welfare estimation performance. Even more important, we find that the combination of ML and DL significantly increases predictive power by as much as 15 percentage points compared to using either alone. Surprisingly, we find that the spatial resolution of the satellite imagery used is important but not critical to the performance as the relationship is positive but not statistically significant. The finding of no evidence indicating that predictive performance of a statistically significant effect occurs over time was also unexpected. These findings have important implications for future research in this domain. For example, the level of effort and resources devoted to acquiring more expensive, higher resolution SI will have to be reconsidered given that medium resolutions ones seem to achieve similar results. The increasingly popular approach of combining ML, DL, and TL, either in a concurrent or iterative manner, might become a standard approach to achieving better results.
• Abstract（参考訳）: 本稿では,衛星および機械学習による貧困推定の現状を概観し,興味深い結果を得た。 レビューされた研究における福祉の予測力に相関する最も重要な要因は、採用される前処理ステップの数、使用するデータセットの数、対象とする福祉指標の種類、AIモデルの選択である。 予想通り、ハードインジケータをターゲットとした研究は、ソフトインジケータをターゲットとした研究よりも、福祉予測のパフォーマンスが向上した。 また, 前処理ステップやデータセットの数が, 厚生推定性能と肯定的, 統計的に有意な相関を示した。 さらに,MLとDLの組み合わせは,単独で使用する場合と比較して,最大15%の予測パワーを増大させることがわかった。 驚くべきことに、使用する衛星画像の空間分解能は重要であるが、その関係性は肯定的ではあるが統計的には重要ではないため、性能には重要ではない。 統計的に有意な効果の予測性能が時間とともに起こるという証拠も見つからなかった。 これらの知見は今後の研究に重要な意味を持つ。 例えば、より高価で高解像度のSIを取得するのに費やされる労力とリソースのレベルは、中程度解像度のSIが同様の結果をもたらすため、再考される必要がある。 ML、DL、TLを同時にあるいは反復的に組み合わせることのアプローチは、より良い結果を達成するための標準的なアプローチになるかもしれない。

関連論文リスト

• Imputation for prediction: beware of diminishing returns [12.424671213282256]
  失敗の値はさまざまな分野に分散しており、予測モデルをトレーニングしデプロイする上での課題を提起している。 最近の理論的および実証的な研究は、単純な定数計算が一貫性と競争力を持つことを示唆している。 本研究の目的は, 先進的な計算手法への投資が, 予測精度を著しく向上させるかどうかを明らかにすることである。
  論文  参考訳（メタデータ） (2024-07-29T09:01:06Z)
• A comparative study of conformal prediction methods for valid uncertainty quantification in machine learning [0.0]
  論文は、誰もが不確実性に気付いていて、それがどれほど重要か、そしてそれを恐れずにそれをどのように受け入れるか、という世界を探求しようとします。 しかし、正確な不確実性推定を誰でも得るための特定のフレームワークが選別され、分析される。
  論文  参考訳（メタデータ） (2024-05-03T13:19:33Z)
• Reduced-Rank Multi-objective Policy Learning and Optimization [57.978477569678844]
  実際には、因果研究者は先験を念頭において1つの結果を持っていない。 政府支援の社会福祉プログラムでは、政策立案者は貧困の多次元的性質を理解するために多くの成果を集めている。 本稿では、最適政策学習の文脈において、複数の結果に対するデータ駆動型次元性推論手法を提案する。
  論文  参考訳（メタデータ） (2024-04-29T08:16:30Z)
• A step towards the integration of machine learning and small area estimation [0.0]
  本稿では,機械学習アルゴリズムがサポートする予測器を提案する。 仮定モデルからわずかに逸脱しただけで、この場合も提案が良い代替手段であることを示す。 さらに,機械学習予測器の精度推定手法を提案し,従来の手法との比較を行った。
  論文  参考訳（メタデータ） (2024-02-12T09:43:17Z)
• Factor Importance Ranking and Selection using Total Indices [0.0]
  要因の重要度は、特定の予測アルゴリズムに頼ることなく、機能の予測可能性を特徴づけるべきである。 本研究は,地球規模の感度分析から,予測可能性とソボ指標との等価性を示す。 ノイズデータから直接推定できる新しい一貫した推定器を導入する。
  論文  参考訳（メタデータ） (2024-01-01T16:02:06Z)
• ASPEST: Bridging the Gap Between Active Learning and Selective Prediction [56.001808843574395]
  選択予測は、不確実な場合の予測を棄却する信頼性のあるモデルを学ぶことを目的としている。 アクティブラーニングは、最も有意義な例を問うことで、ラベリングの全体、すなわち人間の依存度を下げることを目的としている。 本研究では,移動対象領域からより情報のあるサンプルを検索することを目的とした,新たな学習パラダイムである能動的選択予測を導入する。
  論文  参考訳（メタデータ） (2023-04-07T23:51:07Z)
• Newer is not always better: Rethinking transferability metrics, their peculiarities, stability and performance [5.650647159993238]
  小さなカスタマイズされたデータセット上で、大規模で事前訓練された画像と言語モデルの微調整が人気を集めている。 共分散推定における統計的問題により,Hスコアの性能が低下することが示唆された。 そこで我々は,そのような設定における相対的精度に対する相関性能を補正し,評価することを推奨する。
  論文  参考訳（メタデータ） (2021-10-13T17:24:12Z)
• Models, Pixels, and Rewards: Evaluating Design Trade-offs in Visual Model-Based Reinforcement Learning [109.74041512359476]
  視覚的MBRLアルゴリズムにおける予測モデルの設計決定について検討する。 潜在空間の使用など、しばしば重要と見なされる設計上の決定は、タスクのパフォーマンスにはほとんど影響しないことが分かりました。 我々は,この現象が探索とどのように関係しているか,および標準ベンチマークにおける下位スコーリングモデルのいくつかが,同じトレーニングデータでトレーニングされた場合のベストパフォーマンスモデルと同等の性能を発揮するかを示す。
  論文  参考訳（メタデータ） (2020-12-08T18:03:21Z)
• Double Robust Representation Learning for Counterfactual Prediction [68.78210173955001]
  そこで本稿では, 対実予測のための2次ロバスト表現を学習するための, スケーラブルな新しい手法を提案する。 我々は、個々の治療効果と平均的な治療効果の両方に対して、堅牢で効率的な対実的予測を行う。 このアルゴリズムは,実世界の最先端技術と合成データとの競合性能を示す。
  論文  参考訳（メタデータ） (2020-10-15T16:39:26Z)
• Accurate and Robust Feature Importance Estimation under Distribution Shifts [49.58991359544005]
  PRoFILEは、新しい特徴重要度推定法である。 忠実さと頑健さの両面で、最先端のアプローチよりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2020-09-30T05:29:01Z)
• Generating Interpretable Poverty Maps using Object Detection in Satellite Images [80.35540308137043]
  衛星画像に物体検出装置を適用することにより、局所レベルでの貧困を正確に予測するための解釈可能な計算手法を実証する。 対象物の重み付けを特徴として、ウガンダの村レベルの貧困を予測する0.539 Pearson's r2を達成し、既存の(解釈不可能でない)ベンチマークよりも31%改善した。
  論文  参考訳（メタデータ） (2020-02-05T02:50:01Z)

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。