論文の概要: Incorporating Expert Opinion on Observable Quantities into Statistical
Models -- A General Framework
- arxiv url: http://arxiv.org/abs/2302.06391v1
- Date: Fri, 10 Feb 2023 16:55:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-14 15:22:13.268397
- Title: Incorporating Expert Opinion on Observable Quantities into Statistical
Models -- A General Framework
- Title（参考訳）: 可観測量に関する専門家の意見を統計モデルに取り入れる - 一般的なフレームワーク
- Authors: Philip Cooney, Arthur White
- Abstract要約: 観測可能な量に関する情報を取り除き、専門家はそれらに慣れ親しんだ量について意味のある情報を提供することができる。
我々は、観測量について専門家の意見に合致する事前を規定しない。
損失関数を用いてモデルパラメータを更新することで後部を求める。
- 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 article describes an approach to incorporate expert opinion on
observable quantities through the use of a loss function which updates a prior
belief as opposed to specifying parameters on the priors. Eliciting information
on observable quantities allows experts to provide meaningful information on a
quantity familiar to them, in contrast to elicitation on model parameters,
which may be subject to interactions with other parameters or non-linear
transformations before obtaining an observable quantity. The approach to
incorporating expert opinion described in this paper is distinctive in that we
do not specify a prior to match an expert's opinion on observed quantity,
rather we obtain a posterior by updating the model parameters through a loss
function. This loss function contains the observable quantity, expressed a
function of the parameters, and is related to the expert's opinion which is
typically operationalized as a statistical distribution. Parameters which
generate observable quantities which are further from the expert's opinion
incur a higher loss, allowing for the model parameters to be estimated based on
their fidelity to both the data and expert opinion, with the relative strength
determined by the number of observations and precision of the elicited belief.
Including expert opinion in this fashion allows for a flexible specification of
the opinion and in many situations is straightforward to implement with
commonly used probabilistic programming software. We highlight this using three
worked examples of varying model complexity including survival models, a
multivariate normal distribution and a regression problem.
- Abstract（参考訳）: 本稿では、先行するパラメータを規定するのではなく、事前の信念を更新するロス関数を用いて、観測可能な量に関する専門家の意見を統合するアプローチについて述べる。
可観測量に関する情報を引き出すことによって専門家は、可観測量を得る前に他のパラメータや非線形変換の対象となるモデルパラメータのエリシテーションとは対照的に、それらに精通した量についての有意義な情報を提供できる。
本論文で述べた専門家の意見を取り入れるアプローチは,専門家の意見にマッチする前触れを指定するのではなく,モデルパラメータを損失関数で更新することで後付けを得るという点で特徴的である。
この損失関数は観測可能な量を含み、パラメータの関数を表現しており、統計分布として一般に運用される専門家の意見と関連している。
専門家の意見からさらに多くの観測可能な量を生成するパラメータは、より高い損失をもたらし、データと専門家の意見に対する忠実さに基づいてモデルパラメータを推定することができる。
この方法で専門家の意見を含めれば、意見の柔軟な仕様が可能になり、多くの状況において、一般的な確率的プログラミングソフトウェアで簡単に実装できる。
我々は,サバイバルモデル,多変量正規分布,回帰問題を含むモデル複雑性の3つの実例を用いてこれを強調する。
関連論文リスト
- Influence Functions for Scalable Data Attribution in Diffusion Models [52.92223039302037]
拡散モデルは、生成的モデリングに大きな進歩をもたらした。
しかし、彼らの普及はデータ属性と解釈可能性に関する課題を引き起こす。
本稿では,テキスト・インフルエンス・ファンクション・フレームワークを開発することにより,このような課題に対処することを目的とする。
論文 参考訳（メタデータ） (2024-10-17T17:59:02Z) - Estimating Causal Effects from Learned Causal Networks [56.14597641617531]
本稿では、離散可観測変数に対する因果影響クエリに応答する代替パラダイムを提案する。
観測データから直接因果ベイズネットワークとその共起潜伏変数を学習する。
本手法は, 推定手法よりも有効であることを示す。
論文 参考訳（メタデータ） (2024-08-26T08:39:09Z) - Variational Inference of Parameters in Opinion Dynamics Models [9.51311391391997]
この研究は、変数推論を用いて、意見力学 ABM のパラメータを推定する。
我々は推論プロセスを自動微分に適した最適化問題に変換する。
提案手法は, シミュレーションベース法とMCMC法より, マクロ的(有界信頼区間とバックファイア閾値)と微視的(200ドル, エージェントレベルの役割)の両方を正確に推定する。
論文 参考訳（メタデータ） (2024-03-08T14:45:18Z) - Extrapolation-Aware Nonparametric Statistical Inference [8.090257544386482]
外挿は多くのデータ分析アプリケーションで起こり、考慮しなければ結果の結論を無効にすることができる。
非パラメトリック統計モデルを拡張して、外挿を明示的に許容し、外挿仮定のクラスを導入する。
論文 参考訳（メタデータ） (2024-02-15T07:16:50Z) - On the Properties and Estimation of Pointwise Mutual Information Profiles [49.877314063833296]
ポイントワイド相互情報プロファイル(ポイントワイド相互情報プロファイル、英: pointwise mutual information profile)は、与えられた確率変数のペアに対するポイントワイド相互情報の分布である。
そこで我々は,モンテカルロ法を用いて分布を正確に推定できる新しい分布系 Bend と Mix Models を導入する。
論文 参考訳（メタデータ） (2023-10-16T10:02:24Z) - 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) - Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。
提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。
複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
論文 参考訳（メタデータ） (2023-06-09T08:30:51Z) - Bayesian Hierarchical Models for Counterfactual Estimation [12.159830463756341]
本稿では,多種多様なカウンターファクトの集合を推定する確率的パラダイムを提案する。
摂動を事前分布関数によるランダム変数として扱う。
収束特性の優れた勾配ベースサンプリング器は、後方サンプルを効率的に計算する。
論文 参考訳（メタデータ） (2023-01-21T00:21:11Z) - Regularization Trade-offs with Fake Features [0.0]
本稿では、過度にパラメータ化されたモデルがフェイク機能を含むフレームワークについて考察する。
本稿では、リッジ回帰問題の一般化誤差に縛られる非漸近的高確率について述べる。
論文 参考訳（メタデータ） (2022-12-01T11:11:14Z) - 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) - Performance metrics for intervention-triggering prediction models do not
reflect an expected reduction in outcomes from using the model [71.9860741092209]
臨床研究者はしばしばリスク予測モデルの中から選択し評価する。
振り返りデータから算出される標準メトリクスは、特定の仮定の下でのみモデルユーティリティに関係します。
予測が時間を通して繰り返し配信される場合、標準メトリクスとユーティリティの関係はさらに複雑になる。
論文 参考訳（メタデータ） (2020-06-02T16:26:49Z)
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。