Fugu-MT 論文翻訳(概要): Probabilistic quantile factor analysis

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

Quantifying Prediction Consistency Under Model Multiplicity in Tabular LLMs [10.494477811252034]
微調整された大きな言語モデルは、同じ入力で矛盾する予測を行うような、テクティファインチューニングの多重性につながる可能性がある。これにより、Tabular LLMの堅牢性と信頼性に関する重要な懸念が持ち上がる。本研究は,コストのかかるモデル再訓練を伴わずに個々の予測の堅牢性を定量化する新しい指標を提案する。
論文参考訳（メタデータ） (2024-07-04T22:22:09Z)
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)
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)
Towards practical Quantum Credit Risk Analysis [0.5735035463793008]
CRA (Credit Risk Analysis) の量子アルゴリズムが2次スピードアップで導入された。我々は、この量子アルゴリズムのいくつかの重要な制限を克服する目的で、新しい変種を提案する。
論文参考訳（メタデータ） (2022-12-14T09:25:30Z)
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)
Differential privacy and robust statistics in high dimensions [49.50869296871643]
高次元Propose-Test-Release (HPTR) は指数的メカニズム、頑健な統計、Propose-Test-Release メカニズムという3つの重要なコンポーネントの上に構築されている。本論文では,HPTRが複数のシナリオで最適サンプル複雑性をほぼ達成していることを示す。
論文参考訳（メタデータ） (2021-11-12T06:36:40Z)
Heavy-tailed Streaming Statistical Estimation [58.70341336199497]
ストリーミング$p$のサンプルから重み付き統計推定の課題を考察する。そこで我々は,傾きの雑音に対して,よりニュアンスな条件下での傾きの傾きの低下を設計し,より詳細な解析を行う。
論文参考訳（メタデータ） (2021-08-25T21:30:27Z)
BayesIMP: Uncertainty Quantification for Causal Data Fusion [52.184885680729224]
本研究では,複数の因果グラフに関連するデータセットを組み合わせ,対象変数の平均処理効果を推定する因果データ融合問題について検討する。本稿では、確率積分とカーネル平均埋め込みのアイデアを組み合わせて、再生されたカーネルヒルベルト空間における干渉分布を表現するフレームワークを提案する。
論文参考訳（メタデータ） (2021-06-07T10:14:18Z)
Quantifying Uncertainty in Deep Spatiotemporal Forecasting [67.77102283276409]
本稿では,正規格子法とグラフ法という2種類の予測問題について述べる。我々はベイジアンおよび頻繁な視点からUQ法を解析し、統計的決定理論を通じて統一的な枠組みを提示する。実際の道路ネットワークのトラフィック、疫病、空気質予測タスクに関する広範な実験を通じて、異なるUQ手法の統計計算トレードオフを明らかにする。
論文参考訳（メタデータ） (2021-05-25T14:35:46Z)
Distributionally Robust Parametric Maximum Likelihood Estimation [13.09499764232737]
パラメトリックな名目分布に対して,最悪の場合のログロスを均一に最小化する,分布的に頑健な最大確率推定器を提案する。我々の新しい頑健な推定器は、統計的整合性も享受し、回帰と分類の両方に有望な実験結果を提供する。
論文参考訳（メタデータ） (2020-10-11T19:05:49Z)
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。