論文の概要: SPQR: An R Package for Semi-Parametric Density and Quantile Regression
- arxiv url: http://arxiv.org/abs/2210.14482v1
- Date: Wed, 26 Oct 2022 05:10:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-27 15:52:38.191585
- Title: SPQR: An R Package for Semi-Parametric Density and Quantile Regression
- Title(参考訳): SPQR: 半パラメトリック密度と量子回帰のためのRパッケージ
- Authors: Steven G. Xu, Reetam Majumder and Brian J. Reich
- Abstract要約: 我々はXuとReichで半パラメトリック量子化回帰法(SPQR)を実装するRパッケージ(2021年)を開発した。
本稿では、このフレームワークがSPQRでどのように実装されているかを説明し、シミュレーションおよび実データ例を通して、実際にどのようにこのパッケージを使うべきかを説明する。
- 参考スコア(独自算出の注目度): 0.12891210250935145
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We develop an R package SPQR that implements the semi-parametric quantile
regression (SPQR) method in Xu and Reich (2021). The method begins by fitting a
flexible density regression model using monotonic splines whose weights are
modeled as data-dependent functions using artificial neural networks.
Subsequently, estimates of conditional density and quantile process can all be
obtained. Unlike many approaches to quantile regression that assume a linear
model, SPQR allows for virtually any relationship between the covariates and
the response distribution including non-linear effects and different effects on
different quantile levels. To increase the interpretability and transparency of
SPQR, model-agnostic statistics developed by Apley and Zhu (2020) are used to
estimate and visualize the covariate effects and their relative importance on
the quantile function. In this article, we detail how this framework is
implemented in SPQR and illustrate how this package should be used in practice
through simulated and real data examples.
- Abstract(参考訳): 我々はXu と Reich (2021) で半パラメトリック量子化回帰(SPQR)法を実装した R パッケージ SPQR を開発した。
この方法は、ニューラルネットワークを用いたデータ依存関数として重みをモデル化した単調スプラインを用いた柔軟な密度回帰モデルを適用することから始める。
その後、条件密度と量子化過程の見積もりを全て得ることができる。
線形モデルを仮定する多くの量子レグレッションのアプローチとは異なり、SPQRは非線型効果や異なる量子レベルに対する異なる効果を含む共変量と応答分布の事実上の関係を許容する。
spqrの解釈可能性と透明性を高めるために、apley と zhu (2020) が開発したモデル非依存統計を用いて、共変量効果とその分位関数に対する相対的重要性を推定・可視化する。
本稿では、このフレームワークがSPQRでどのように実装されているかを説明し、シミュレーションおよび実データ例を通して、実際にどのようにこのパッケージを使うべきかを説明する。
関連論文リスト
- Fusion of Gaussian Processes Predictions with Monte Carlo Sampling [61.31380086717422]
科学と工学において、私たちはしばしば興味のある変数の正確な予測のために設計されたモデルで作業します。
これらのモデルが現実の近似であることを認識し、複数のモデルを同じデータに適用し、結果を統合することが望ましい。
論文 参考訳(メタデータ) (2024-03-03T04:21:21Z) - Vector Quantile Regression on Manifolds [8.328891187733841]
QR(Quantile regression)は、対象変数の条件量子化の分布自由度推定のための統計ツールである。
最適輸送理論とc-凹関数を活用することにより、高次元変数の条件ベクトル量子関数を有意に定義する。
提案手法の有効性を実証し, 合成および実データ実験による非ユークリッド量子化の意味に関する知見を提供する。
論文 参考訳(メタデータ) (2023-07-03T14:17:12Z) - Neural Spline Search for Quantile Probabilistic Modeling [35.914279831992964]
パラメトリックな仮定を伴わない観測データ分布を表現するために,非パラメトリックかつデータ駆動型手法であるニューラルスプラインサーチ(NSS)を提案する。
我々は,NASが,合成,実世界の回帰,時系列予測タスクにおいて,従来の手法よりも優れていたことを実証した。
論文 参考訳(メタデータ) (2023-01-12T07:45:28Z) - Bivariate vine copula based regression, bivariate level and quantile
curves [0.0]
予測回帰設定における2つの応答の対称的処理に特化して設計された新しいグラフ構造モデルを提案する。
我々は、回帰の典型的な欠点として、予測子の変換や相互作用、コリニアリティ、量子交差を避けるために、ブドウコプラを用いる。
我々は韓国ソウルの気象観測に我々のアプローチを適用した。
論文 参考訳(メタデータ) (2022-05-05T10:41:01Z) - Deep Non-Crossing Quantiles through the Partial Derivative [0.6299766708197883]
量子回帰(Quantile Regression)は、単一の条件量子を近似する方法を提供する。
QRロス関数の最小化は、非交差量子化を保証しない。
任意の数の量子を予測するための汎用的なディープラーニングアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-01-30T15:35:21Z) - Learning Summary Statistics for Bayesian Inference with Autoencoders [58.720142291102135]
我々は,ディープニューラルネットワークに基づくオートエンコーダの内部次元を要約統計として利用する。
パラメータ関連情報を全て符号化するエンコーダのインセンティブを作成するため,トレーニングデータの生成に使用した暗黙的情報にデコーダがアクセスできるようにする。
論文 参考訳(メタデータ) (2022-01-28T12:00:31Z) - Inverting brain grey matter models with likelihood-free inference: a
tool for trustable cytoarchitecture measurements [62.997667081978825]
脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。
我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。
次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
論文 参考訳(メタデータ) (2021-11-15T09:08:27Z) - Understanding the Under-Coverage Bias in Uncertainty Estimation [58.03725169462616]
量子レグレッションは、現実の望ましいカバレッジレベルよりもアンファンダーカバー(enmphunder-cover)する傾向がある。
我々は、量子レグレッションが固有のアンダーカバーバイアスに悩まされていることを証明している。
我々の理論は、この過大被覆バイアスが特定の高次元パラメータ推定誤差に起因することを明らかにしている。
論文 参考訳(メタデータ) (2021-06-10T06:11:55Z) - Flexible Model Aggregation for Quantile Regression [92.63075261170302]
量子回帰は、予測の不確実性を定量化する必要性によって動機付けられた統計学習の基本的な問題である。
条件付き量子モデルの任意の数を集約する手法について検討する。
この論文で検討するモデルはすべて、現代のディープラーニングツールキットに適合します。
論文 参考訳(メタデータ) (2021-02-26T23:21:16Z) - Two-step penalised logistic regression for multi-omic data with an
application to cardiometabolic syndrome [62.997667081978825]
我々は,各層で変数選択を行うマルチオミックロジスティック回帰に対する2段階のアプローチを実装した。
私たちのアプローチは、可能な限り多くの関連する予測子を選択することを目標とすべきです。
提案手法により,分子レベルでの心筋メタボリックシンドロームの特徴を同定することができる。
論文 参考訳(メタデータ) (2020-08-01T10:36:27Z)
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。