Fugu-MT 論文翻訳(概要): Penalised regression with multiple sources of prior effects

論文の概要: Penalised regression with multiple sources of prior effects

arxiv url: http://arxiv.org/abs/2212.08581v1
Date: Fri, 16 Dec 2022 16:58:48 GMT
ステータス: 処理完了
システム内更新日: 2022-12-19 16:05:33.768460
Title: Penalised regression with multiple sources of prior effects
Title（参考訳）: 先行効果の複数の源による罰則回帰
Authors: Armin Rauschenberger, Zied Landoulsi, Mark A. van de Wiel, Enrico Glaab
Abstract要約: 特徴効果の重要性(重み)と方向(符号)についての洞察を提供する数値的な事前情報を持つタスクについて考察する。本稿では,そのような事前情報の複数のソースをペナル化回帰に統合する手法を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In many high-dimensional prediction or classification tasks, complementary data on the features are available, e.g. prior biological knowledge on (epi)genetic markers. Here we consider tasks with numerical prior information that provide an insight into the importance (weight) and the direction (sign) of the feature effects, e.g. regression coefficients from previous studies. We propose an approach for integrating multiple sources of such prior information into penalised regression. If suitable co-data are available, this improves the predictive performance, as shown by simulation and application. The proposed method is implemented in the R package `transreg' (https://github.com/lcsb-bds/transreg).
Abstract（参考訳）: 多くの高次元予測や分類タスクでは、(epi)遺伝子マーカーの事前の生物学的知識など、特徴に関する補完的なデータが利用可能である。ここでは,特徴効果の重要度(重み)と方向(符号)に関する洞察を与える数値的事前情報を持つ課題,例えば,先行研究からの回帰係数について考察する。本稿では,先行情報の複数のソースをペナルタライズドレグレッションに統合する手法を提案する。適切なコデータがあれば、シミュレーションやアプリケーションによって示されるように、予測性能が向上する。提案手法はRパッケージ ‘transreg' (https://github.com/lcsb-bds/transreg) に実装されている。

関連論文リスト

Generalized Regression with Conditional GANs [2.4171019220503402]
本稿では,学習データセットにおける特徴ラベルペアと,対応する入力と組み合わせて出力を区別できない予測関数を学習することを提案する。回帰に対するこのアプローチは、私たちが適合するデータの分布に対する仮定を減らし、表現能力が向上することを示す。
論文参考訳（メタデータ） (2024-04-21T01:27:47Z)
Anchor Data Augmentation [53.39044919864444]
非線形過パラメータ回帰におけるデータ拡張のための新しいアルゴリズムを提案する。我々のデータ拡張アルゴリズムは、因果関係に関する文献から借用し、最近提案されたデータ拡張のためのアンカー回帰(AR)法を拡張した。
論文参考訳（メタデータ） (2023-11-12T21:08:43Z)
Prediction-Oriented Bayesian Active Learning [51.426960808684655]
予測情報ゲイン(EPIG)は、パラメータではなく予測空間における情報ゲインを測定する。 EPIGは、さまざまなデータセットやモデルにわたるBALDと比較して、予測パフォーマンスが向上する。
論文参考訳（メタデータ） (2023-04-17T10:59:57Z)
On Integrating Prior Knowledge into Gaussian Processes for Prognostic Health Monitoring [1.7709450506466664]
本稿では,ガウス過程の予測能力を向上する手法を提案する。従来のデータから平均関数と共分散関数を導出することにより、事前知識を統合する。本手法の適用性と有効性は, 疲労き裂進展, レーザ劣化, およびミリング機械摩耗データに適用可能である。
論文参考訳（メタデータ） (2022-06-17T07:57:31Z)
ecpc: An R-package for generic co-data models for high-dimensional prediction [0.0]
R-package ecpcはもともと、様々な、おそらく複数のコデータソースに対応していた。本稿では,汎用コデータモデルのための手法とソフトウェアの拡張について述べる。 R-package squeezyにより,リッジのペナルティが弾性ネットペナルティにどのように変換されるかを示す。
論文参考訳（メタデータ） (2022-05-16T12:55:19Z)
Invariance Learning in Deep Neural Networks with Differentiable Laplace Approximations [76.82124752950148]
我々はデータ拡張を選択するための便利な勾配法を開発した。我々はKronecker-factored Laplace近似を我々の目的とする限界確率に近似する。
論文参考訳（メタデータ） (2022-02-22T02:51:11Z)
High-dimensional regression with potential prior information on variable importance [0.0]
順序付けによって示されるモデルの列に適合する簡単なスキームを提案する。リッジ回帰を用いた場合の全てのモデルの適合に対する計算コストは、リッジ回帰の1つの適合に留まらないことを示す。モデル全体の整合性を大幅に高速化するために,従来の整合性を利用したラッソ回帰の戦略を述べる。
論文参考訳（メタデータ） (2021-09-23T10:34:37Z)
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)
Evaluating Prediction-Time Batch Normalization for Robustness under Covariate Shift [81.74795324629712]
我々は予測時間バッチ正規化と呼び、共変量シフト時のモデル精度とキャリブレーションを大幅に改善する。予測時間バッチ正規化は、既存の最先端アプローチに相補的な利点をもたらし、ロバスト性を向上させることを示します。この手法は、事前トレーニングと併用して使用すると、さまざまな結果が得られるが、より自然なタイプのデータセットシフトでは、パフォーマンスが良くないようだ。
論文参考訳（メタデータ） (2020-06-19T05:08:43Z)
Optimal Feature Manipulation Attacks Against Linear Regression [64.54500628124511]
本稿では,データセットに慎重に設計した有害なデータポイントを付加したり,元のデータポイントを修正したりすることで,線形回帰による係数の操作方法について検討する。エネルギー予算を考慮し, 目標が指定された回帰係数を1つ変更する場合に, 最適毒素データ点の閉形式解をまず提示する。次に、攻撃者が1つの特定の回帰係数を変更しつつ、他をできるだけ小さく変更することを目的とした、より困難なシナリオに分析を拡張します。
論文参考訳（メタデータ） (2020-02-29T04:26:59Z)

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。