Fugu-MT 論文翻訳(概要): A Generalized Latent Factor Model Approach to Mixed-data Matrix Completion with Entrywise Consistency

論文の概要: A Generalized Latent Factor Model Approach to Mixed-data Matrix Completion with Entrywise Consistency

arxiv url: http://arxiv.org/abs/2211.09272v1
Date: Thu, 17 Nov 2022 00:24:47 GMT
ステータス: 処理完了
システム内更新日: 2022-11-18 16:02:45.045326
Title: A Generalized Latent Factor Model Approach to Mixed-data Matrix Completion with Entrywise Consistency
Title（参考訳）: 整合性を伴う混合データ行列補完に対する一般化潜在因子モデルアプローチ
Authors: Yunxiao Chen, Xiaoou Li
Abstract要約: マトリックスコンプリート(Matrix completion)は、部分的に観察された行列における欠落したエントリの予測に関する機械学習手法のクラスである。非線型因子モデルの一般族の下での低ランク行列推定問題として定式化する。低ランク行列を推定するためのエントリーワイドな一貫した推定器を提案する。
参考スコア（独自算出の注目度）: 3.299672391663527
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Matrix completion is a class of machine learning methods that concerns the prediction of missing entries in a partially observed matrix. This paper studies matrix completion for mixed data, i.e., data involving mixed types of variables (e.g., continuous, binary, ordinal). We formulate it as a low-rank matrix estimation problem under a general family of non-linear factor models and then propose entrywise consistent estimators for estimating the low-rank matrix. Tight probabilistic error bounds are derived for the proposed estimators. The proposed methods are evaluated by simulation studies and real-data applications for collaborative filtering and large-scale educational assessment.
Abstract（参考訳）: matrix completionは、部分的に観測された行列の欠落エントリの予測に関する機械学習手法のクラスである。本稿では、混合データ、すなわち、混合変数(連続、二項、順序など)を含むデータに対する行列補完について研究する。非線形因子モデルの一般族の下で, 低ランク行列推定問題として定式化し, 低ランク行列を推定するためのエントリワイズ一貫性推定器を提案する。提案した推定器にタイト確率誤差境界を導出する。提案手法は,協調フィルタリングと大規模教育評価のためのシミュレーション研究および実データ応用により評価される。

関連論文リスト

Regularized Projection Matrix Approximation with Applications to Community Detection [1.5033631151609534]
本稿では,アフィニティ行列からクラスタ情報を復元することを目的とした正規化プロジェクション行列近似フレームワークを提案する。本稿では,それぞれ有界,正,スパースなシナリオに対処する3つの異なるペナルティ関数を探索し,その問題を解決するために乗算器の交互方向法(ADMM)アルゴリズムを導出する。
論文参考訳（メタデータ） (2024-05-26T15:18:22Z)
Statistical Inference For Noisy Matrix Completion Incorporating Auxiliary Information [3.9748528039819977]
本稿では,半教師付きモデルにおける雑音行列補完の統計的推測について検討する。検討した文脈において,反復最小二乗(LS)推定手法を適用した。提案手法は数回の反復しか必要とせず、結果として得られる低ランク行列と係数行列のエントリーワイズ推定器は正規分布を持つことが保証されている。
論文参考訳（メタデータ） (2024-03-22T01:06:36Z)
Mixed Matrix Completion in Complex Survey Sampling under Heterogeneous Missingness [6.278498348219109]
サブ線形収束を実現する高速でスケーラブルな推定アルゴリズムを提案する。本手法は,全国保健栄養検査調査データの分析に応用される。
論文参考訳（メタデータ） (2024-02-06T12:26:58Z)
Adaptive Estimation of Graphical Models under Total Positivity [13.47131471222723]
ガウス図形モデルにおける(対角的に支配的な)M-行列を精度行列として推定する問題を考える。そこで本研究では,提案手法を改良した適応型多段階推定手法を提案する。正規化問題を解くために,勾配予測法に基づく統一的なフレームワークを開発する。
論文参考訳（メタデータ） (2022-10-27T14:21:27Z)
Learning Graphical Factor Models with Riemannian Optimization [70.13748170371889]
本稿では,低ランク構造制約下でのグラフ学習のためのフレキシブルなアルゴリズムフレームワークを提案する。この問題は楕円分布のペナルティ化された最大推定値として表される。楕円モデルによく適合する正定行列と定ランクの正半定行列のジオメトリを利用する。
論文参考訳（メタデータ） (2022-10-21T13:19:45Z)
Test Set Sizing Via Random Matrix Theory [91.3755431537592]
本稿ではランダム行列理論の手法を用いて、単純な線形回帰に対して理想的なトレーニング-テストデータ分割を求める。それは「理想」を整合性計量を満たすものとして定義し、すなわち経験的モデル誤差は実際の測定ノイズである。本論文は,任意のモデルのトレーニングとテストサイズを,真に最適な方法で解決した最初の論文である。
論文参考訳（メタデータ） (2021-12-11T13:18:33Z)
Adversarially-Trained Nonnegative Matrix Factorization [77.34726150561087]
非負行列ファクタリゼーションの逆学習版を検討する。我々の定式化では、攻撃者は与えられたデータ行列に有界ノルムの任意の行列を追加する。辞書と係数行列を最適化するために, 逆学習に触発された効率的なアルゴリズムを設計する。
論文参考訳（メタデータ） (2021-04-10T13:13:17Z)
Learning Mixtures of Low-Rank Models [89.39877968115833]
低ランクモデルの計算混合を学習する問題について検討する。ほぼ最適サンプルを用いて未知の行列を復元することが保証されるアルゴリズムを開発する。さらに,提案アルゴリズムはランダムノイズに対して確実に安定である。
論文参考訳（メタデータ） (2020-09-23T17:53:48Z)
Robust Low-rank Matrix Completion via an Alternating Manifold Proximal Gradient Continuation Method [47.80060761046752]
ロバスト低ランク行列補完(RMC)は、コンピュータビジョン、信号処理、機械学習アプリケーションのために広く研究されている。この問題は、部分的に観察された行列を低ランク行列とスパース行列の重ね合わせに分解することを目的とした。 RMCに取り組むために広く用いられるアプローチは、低ランク行列の核ノルム(低ランク性を促進するために)とスパース行列のl1ノルム(空間性を促進するために)を最小化する凸定式化を考えることである。本稿では、近年のローワークの動機付けについて述べる。
論文参考訳（メタデータ） (2020-08-18T04:46:22Z)
Robust Matrix Completion with Mixed Data Types [0.0]
我々は,データ型が混在する部分的なエントリを持つ構造的低ランク行列を復元する問題を考察する。ほとんどのアプローチは、基礎となる分布は1つしかないと仮定し、低階の制約は、行列 Satten Norm によって正則化される。本稿では, 並列化に適したアルゴリズムフレームワークとともに, 高い回復保証を有する計算可能な統計手法を提案し, 混合データ型に対する部分的に観測されたエントリを持つ低階行列を1ステップで復元する。
論文参考訳（メタデータ） (2020-05-25T21:35:10Z)
Asymptotic Analysis of an Ensemble of Randomly Projected Linear Discriminants [94.46276668068327]
[1]では、ランダムに投影された線形判別式のアンサンブルを用いてデータセットを分類する。我々は,計算コストのかかるクロスバリデーション推定器の代替として,誤分類確率の一貫した推定器を開発する。また、実データと合成データの両方で投影次元を調整するための推定器の使用を実証する。
論文参考訳（メタデータ） (2020-04-17T12:47:04Z)

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。