論文の概要: Probabilistic quantile factor analysis
- arxiv url: http://arxiv.org/abs/2212.10301v1
- Date: Tue, 20 Dec 2022 14:49:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-21 16:59:28.857059
- Title: Probabilistic quantile factor analysis
- Title(参考訳): 確率的量子化因子解析
- Authors: Dimitris Korobilis, Maximilian Schr\"oder
- Abstract要約: 提案した推定器は,最近提案された損失ベース推定器よりも精度が高いことが確認された。
我々は、低、中、高経済政策の不確実性の指標を抽出して不確実性を測定するための文献に貢献する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper extends quantile factor analysis to a probabilistic variant that
incorporates regularization and computationally efficient variational
approximations. By means of synthetic and real data experiments it is
established that the proposed estimator can achieve, in many cases, better
accuracy than a recently proposed loss-based estimator. We contribute to the
literature on measuring uncertainty by extracting new indexes of low, medium
and high economic policy uncertainty, using the probabilistic quantile factor
methodology. Medium and high indexes have clear contractionary effects, while
the low index is benign for the economy, showing that not all manifestations of
uncertainty are the same.
- Abstract(参考訳): 本稿では,正則化と計算効率のよい変分近似を組み込んだ確率的変種に質的因子分析を拡張した。
合成および実データ実験により,提案する推定器は,多くの場合,最近提案された損失に基づく推定器よりも精度が良いことが判明した。
我々は,確率的量的因子法を用いて,低・中・高経済政策の不確実性の指標を抽出し,不確実性を測定する文献に貢献する。
中高指数と高指数は明確な収縮効果を持つが、低指数は経済にとって良さであり、不確実性のすべての徴候が同じではないことを示している。
関連論文リスト
- One step closer to unbiased aleatoric uncertainty estimation [71.55174353766289]
そこで本研究では,観測データのアクティブデノイズ化による新しい推定手法を提案する。
幅広い実験を行うことで,提案手法が標準手法よりも実際のデータ不確実性にはるかに近い近似を与えることを示す。
論文 参考訳(メタデータ) (2023-12-16T14:59:11Z) - Selective Nonparametric Regression via Testing [54.20569354303575]
本研究では,所定の点における条件分散の値に関する仮説を検証し,留置手順を開発する。
既存の手法とは異なり、提案手法は分散自体の値だけでなく、対応する分散予測器の不確実性についても考慮することができる。
論文 参考訳(メタデータ) (2023-09-28T13:04:11Z) - Invariant Probabilistic Prediction [45.88151520988133]
任意の分布シフトは、一般に不変かつ頑健な確率的予測を認めないことを示す。
Invariant probabilistic predictions called IPP, and study the consistency of the underlying parameters。
論文 参考訳(メタデータ) (2023-09-18T18:50:24Z) - Quantification of Predictive Uncertainty via Inference-Time Sampling [57.749601811982096]
本稿では,データあいまいさの予測不確実性を推定するためのポストホックサンプリング手法を提案する。
この方法は与えられた入力に対して異なる可算出力を生成することができ、予測分布のパラメトリック形式を仮定しない。
論文 参考訳(メタデータ) (2023-08-03T12:43:21Z) - A Learning-Based Optimal Uncertainty Quantification Method and Its
Application to Ballistic Impact Problems [1.713291434132985]
本稿では、入力(または事前)測度が部分的に不完全であるシステムに対する最適(最大および無限)不確実性境界について述べる。
本研究では,不確実性最適化問題に対する学習基盤の枠組みを実証する。
本手法は,工学的実践における性能証明と安全性のためのマップ構築に有効であることを示す。
論文 参考訳(メタデータ) (2022-12-28T14:30:53Z) - Quantile Risk Control: A Flexible Framework for Bounding the Probability
of High-Loss Predictions [11.842061466957686]
本稿では,予測器によって得られた損失分布の量子化の系を生成するフレキシブルな枠組みを提案する。
予測性能を定量化するための情報的手法としてQuantileを示し,そのフレームワークが様々なQuantileベースのメトリクスに適用可能であることを示す。
論文 参考訳(メタデータ) (2022-12-27T22:08:29Z) - Data-Driven Influence Functions for Optimization-Based Causal Inference [105.5385525290466]
統計的汎関数に対するガトー微分を有限差分法で近似する構成的アルゴリズムについて検討する。
本研究では,確率分布を事前知識がないが,データから推定する必要がある場合について検討する。
論文 参考訳(メタデータ) (2022-08-29T16:16:22Z) - Data Augmentation in the Underparameterized and Overparameterized
Regimes [7.326504492614808]
我々は,データの増大が推定値の分散と限定分布に与える影響を定量化する。
その結果、機械学習の実践において行われたいくつかの観察が確認できたが、予期せぬ発見につながった。
論文 参考訳(メタデータ) (2022-02-18T11:32:41Z) - Gaining Outlier Resistance with Progressive Quantiles: Fast Algorithms
and Theoretical Studies [1.6457778420360534]
任意の損失関数を強固化するために, 外部抵抗推定の枠組みを導入する。
通常のデータセットでは、データ再見積の回数を大幅に削減できるような、開始点の要件を緩和する新しい手法が提案されている。
得られた推定器は、必ずしも大域的でも大域的でもなくても、両方の低次元において最適性を楽しむことができる。
論文 参考訳(メタデータ) (2021-12-15T20:35:21Z) - The Aleatoric Uncertainty Estimation Using a Separate Formulation with
Virtual Residuals [51.71066839337174]
既存の手法では、ターゲット推定における誤差を定量化できるが、過小評価する傾向がある。
本稿では,信号とその不確かさを推定するための新たな分離可能な定式化を提案し,オーバーフィッティングの影響を回避した。
提案手法は信号および不確実性推定のための最先端技術より優れていることを示す。
論文 参考訳(メタデータ) (2020-11-03T12:11:27Z) - Instability, Computational Efficiency and Statistical Accuracy [101.32305022521024]
我々は,人口レベルでのアルゴリズムの決定論的収束率と,$n$サンプルに基づく経験的対象に適用した場合の(不安定性)の間の相互作用に基づいて,統計的精度を得るフレームワークを開発する。
本稿では,ガウス混合推定,非線形回帰モデル,情報的非応答モデルなど,いくつかの具体的なモデルに対する一般結果の応用について述べる。
論文 参考訳(メタデータ) (2020-05-22T22:30:52Z)
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。