論文の概要: Private Statistical Estimation of Many Quantiles
- arxiv url: http://arxiv.org/abs/2302.06943v3
- Date: Tue, 26 Dec 2023 08:48:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-27 23:04:29.380273
- Title: Private Statistical Estimation of Many Quantiles
- Title（参考訳）: 多くの量子の民間統計的推定
- Authors: Cl\'ement Lalanne (ENS de Lyon, DANTE, OCKHAM), Aur\'elien Garivier
(UMPA-ENSL, MC2), R\'emi Gribonval (DANTE, OCKHAM)
- Abstract要約: 分布とi.d.サンプルへのアクセスが与えられた場合、特定の点における累積分布関数(量子関数)の逆関数の推定について検討する。
本研究は, 差分プライバシー下での多くの統計的定量値の推定について検討する。
- 参考スコア（独自算出の注目度）: 0.41232474244672235
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This work studies the estimation of many statistical quantiles under
differential privacy. More precisely, given a distribution and access to i.i.d.
samples from it, we study the estimation of the inverse of its cumulative
distribution function (the quantile function) at specific points. For instance,
this task is of key importance in private data generation. We present two
different approaches. The first one consists in privately estimating the
empirical quantiles of the samples and using this result as an estimator of the
quantiles of the distribution. In particular, we study the statistical
properties of the recently published algorithm introduced by Kaplan et al. 2022
that privately estimates the quantiles recursively. The second approach is to
use techniques of density estimation in order to uniformly estimate the
quantile function on an interval. In particular, we show that there is a
tradeoff between the two methods. When we want to estimate many quantiles, it
is better to estimate the density rather than estimating the quantile function
at specific points.
- Abstract（参考訳）: 本研究は、微分プライバシー下での多くの統計量体の推定を考察する。
より正確には、その分布とi.d.サンプルへのアクセスが与えられたとき、特定の点における累積分布関数(量子関数)の逆関数の推定について検討する。
例えば、このタスクはプライベートデータ生成において重要なものです。
我々は2つの異なるアプローチを示す。
1つ目は、サンプルの経験的量子化をプライベートに推定し、この結果を用いて分布の量子化を推定することである。
特に,Kaplanらによって導入された最近発表されたアルゴリズムの統計的性質について検討する。
第二のアプローチは、ある間隔における量子関数を均一に推定するために密度推定の手法を使用することである。
特に、2つのメソッドの間にトレードオフがあることを示します。
多くの分位関数を推定したい場合、特定の点における分位関数を推定するよりも密度を推定する方がよい。
関連論文リスト
- Semiparametric conformal prediction [79.6147286161434]
リスクに敏感なアプリケーションは、複数の、潜在的に相関したターゲット変数に対して、よく校正された予測セットを必要とする。
スコアをランダムなベクトルとして扱い、それらの連接関係構造を考慮した予測セットを構築することを目的とする。
実世界のレグレッション問題に対して,所望のカバレッジと競争効率について報告する。
論文 参考訳（メタデータ） (2024-11-04T14:29:02Z) - Relaxed Quantile Regression: Prediction Intervals for Asymmetric Noise [51.87307904567702]
量子レグレッション(Quantile regression)は、出力の分布における量子の実験的推定を通じてそのような間隔を得るための主要なアプローチである。
本稿では、この任意の制約を除去する量子回帰に基づく区間構成の直接的な代替として、Relaxed Quantile Regression (RQR)を提案する。
これにより、柔軟性が向上し、望ましい品質が向上することが実証された。
論文 参考訳（メタデータ） (2024-06-05T13:36:38Z) - Estimation of mutual information via quantum kernel method [0.0]
相互情報(MI)の推定は,複数の確率変数間の関係を非線形相関で調査する上で重要な役割を担っている。
本稿では,量子カーネルを用いた相互情報推定手法を提案する。
論文 参考訳（メタデータ） (2023-10-19T00:53:16Z) - Auxiliary Quantile Forecasting with Linear Networks [6.155158115218501]
共有線形層を用いた量子化予測のための新しいマルチタスク手法を提案する。
提案手法はImplicit Quantile Learningアプローチに基づく。
決定論的予測ベンチマークにおいて、学習補助量子化タスクが最先端のパフォーマンスをもたらすことを示す。
論文 参考訳（メタデータ） (2022-12-05T20:09:32Z) - Understanding the Under-Coverage Bias in Uncertainty Estimation [58.03725169462616]
量子レグレッションは、現実の望ましいカバレッジレベルよりもアンファンダーカバー(enmphunder-cover)する傾向がある。
我々は、量子レグレッションが固有のアンダーカバーバイアスに悩まされていることを証明している。
我々の理論は、この過大被覆バイアスが特定の高次元パラメータ推定誤差に起因することを明らかにしている。
論文 参考訳（メタデータ） (2021-06-10T06:11:55Z) - Flexible Model Aggregation for Quantile Regression [92.63075261170302]
量子回帰は、予測の不確実性を定量化する必要性によって動機付けられた統計学習の基本的な問題である。
条件付き量子モデルの任意の数を集約する手法について検討する。
この論文で検討するモデルはすべて、現代のディープラーニングツールキットに適合します。
論文 参考訳（メタデータ） (2021-02-26T23:21:16Z) - Regularization Strategies for Quantile Regression [8.232258589877942]
連続的な量子の分布に対するピンボール損失を最小化することは、特定の量子の予測のみを行う場合でも良い正則化器であることを示す。
格子モデルにより予測された分布を位置スケールの族に正規化できることを示す。
論文 参考訳（メタデータ） (2021-02-09T21:10:35Z) - An Embedded Model Estimator for Non-Stationary Random Functions using
Multiple Secondary Variables [0.0]
本稿では,本手法を導入し,地理的モデリングや量子ランダムフォレストに適用した結果と自然に類似した一貫性を有することを示す。
このアルゴリズムは、各ターゲット位置におけるターゲット変数の条件分布を推定することで機能する。
論文 参考訳（メタデータ） (2020-11-09T00:14:24Z) - Neural Methods for Point-wise Dependency Estimation [129.93860669802046]
我々は,2つの結果が共起する確率を定量的に測定する点依存度(PD)の推定に焦点をあてる。
提案手法の有効性を,1)MI推定,2)自己教師付き表現学習,3)クロスモーダル検索タスクで示す。
論文 参考訳（メタデータ） (2020-06-09T23:26:15Z) - 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) - Posterior Ratio Estimation of Latent Variables [14.619879849533662]
いくつかのアプリケーションでは、観測から無視される確率変数の分布を比較したい。
潜在変数の2つの後続確率密度関数の比を推定する問題について検討する。
論文 参考訳（メタデータ） (2020-02-15T16:46:42Z)
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。