論文の概要: Adaptive Selective Sampling for Online Prediction with Experts

• arxiv url: http://arxiv.org/abs/2302.08397v2
• Date: Fri, 20 Oct 2023 13:16:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-24 13:16:05.423734
• Title: Adaptive Selective Sampling for Online Prediction with Experts
• Title（参考訳）: エキスパートによるオンライン予測のための適応的選択サンプリング
• Authors: Rui M. Castro, Fredrik Hellstr\"om, Tim van Erven
• Abstract要約: 専門的なアドバイスを伴うバイナリシーケンスのオンライン予測について検討する。 選択的サンプリング方式を用いたラベル効率予測アルゴリズムを考案する。 1人の専門家が予想よりも厳密に優れているシナリオでは、ラベル効率の予測器のラベルの複雑さはラウンド数の平方根として大まかにスケールすることを示す。
• 参考スコア（独自算出の注目度）: 3.8934524293598174
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider online prediction of a binary sequence with expert advice. For this setting, we devise label-efficient forecasting algorithms, which use a selective sampling scheme that enables collecting much fewer labels than standard procedures, while still retaining optimal worst-case regret guarantees. These algorithms are based on exponentially weighted forecasters, suitable for settings with and without a perfect expert. For a scenario where one expert is strictly better than the others in expectation, we show that the label complexity of the label-efficient forecaster scales roughly as the square root of the number of rounds. Finally, we present numerical experiments empirically showing that the normalized regret of the label-efficient forecaster can asymptotically match known minimax rates for pool-based active learning, suggesting it can optimally adapt to benign settings.
• Abstract（参考訳）: 専門家のアドバイスによるバイナリシーケンスのオンライン予測について検討する。 この設定のために,ラベル効率の予測アルゴリズムを考案した。このアルゴリズムは,標準手順よりもはるかに少ないラベルを収集できるが,最悪の後悔の保証は維持できる。 これらのアルゴリズムは指数関数的に重み付けされた予測器に基づいている。 1人の専門家が予想よりも厳密に優れているシナリオでは、ラベル効率の予測器のラベルの複雑さは、ラウンド数の平方根として大まかにスケールすることを示す。 最後に,ラベル効率の高い予測器の正規化後悔がプール型アクティブラーニングにおける既知のミニマックスレートと漸近的に一致することを示す数値実験を行い,良性設定に最適適応できることを示す。

関連論文リスト

• Probably Approximately Precision and Recall Learning [62.912015491907994]
  精度とリコールは機械学習の基本的な指標である。 一方的なフィードバック – トレーニング中にのみ肯定的な例が観察される – は,多くの実践的な問題に固有のものだ。 PAC学習フレームワークでは,各仮説をグラフで表現し,エッジは肯定的な相互作用を示す。
  論文  参考訳（メタデータ） (2024-11-20T04:21:07Z)
• Calibrated Probabilistic Forecasts for Arbitrary Sequences [58.54729945445505]
  実際のデータストリームは、分散シフトやフィードバックループ、敵アクターによって予測不可能に変化する可能性がある。 データがどのように進化するかに関わらず、有効な不確実性推定を保証するための予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-27T21:46:42Z)
• Towards Human-AI Complementarity with Prediction Sets [14.071862670474832]
  予測セットに基づく意思決定支援システムは、人間の専門家が分類タスクを解くのに役立つことが証明されている。 共形予測を用いて構築された予測集合は、一般に平均精度の点で準最適であることを示す。 我々は,多種多様な専門家モデルと非最適スコアに対して,同等あるいはより優れた性能を提供する予測セットを見つけることが保証される,欲求的アルゴリズムを導入する。
  論文  参考訳（メタデータ） (2024-05-27T18:00:00Z)
• Partial-Label Learning with a Reject Option [3.1201323892302444]
  本稿では,不確実な予測を拒否できるリジェクションオプションを持つ新しい部分ラベル学習アルゴリズムを提案する。 提案手法は, 競合相手と比較して, 非還元予測の数と精度の最良のトレードオフを提供する。
  論文  参考訳（メタデータ） (2024-02-01T13:41:44Z)
• Evaluating the Utility of Conformal Prediction Sets for AI-Advised Image Labeling [14.009838333100612]
  コンフォーマル予測セットは、特定のカバレッジで予測セットを生成する。 我々は,共形予測セットの有用性と,AIによる画像ラベリングのためのTop-1およびTop-k予測の表示の比較を行った。
  論文  参考訳（メタデータ） (2024-01-16T23:19:30Z)
• Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
  確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。 本手法は, 精度の高い問題に特に適している。 提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
  論文  参考訳（メタデータ） (2023-11-08T00:10:21Z)
• Conformal Prediction for Deep Classifier via Label Ranking [29.784336674173616]
  コンフォーマル予測(Conformal prediction)は、予測セットを所望のカバレッジ保証で生成する統計フレームワークである。 我々は、$textitSorted Adaptive Prediction Sets$ (SAPS)という新しいアルゴリズムを提案する。 SAPSは最大ソフトマックス確率を除いて全ての確率値を捨てる。
  論文  参考訳（メタデータ） (2023-10-10T08:54:14Z)
• Efficient and Differentiable Conformal Prediction with General Function Classes [96.74055810115456]
  本稿では,複数の学習可能なパラメータに対する共形予測の一般化を提案する。 本研究は, クラス内において, ほぼ有効な人口被覆率, ほぼ最適効率を実現していることを示す。 実験の結果,提案アルゴリズムは有効な予測セットを学習し,効率を著しく向上できることがわかった。
  論文  参考訳（メタデータ） (2022-02-22T18:37:23Z)
• Taming Overconfident Prediction on Unlabeled Data from Hindsight [50.9088560433925]
  ラベルのないデータに対する予測の不確実性を最小化することは、半教師付き学習において優れた性能を達成するための鍵となる要素である。 本稿では,アダプティブシャーニング(Adaptive Sharpening, ADS)と呼ばれる2つのメカニズムを提案する。 ADSは、プラグインにすることで最先端のSSLメソッドを大幅に改善する。
  論文  参考訳（メタデータ） (2021-12-15T15:17:02Z)
• Near-optimal inference in adaptive linear regression [60.08422051718195]
  最小二乗法のような単純な方法でさえ、データが適応的に収集されるときの非正規な振る舞いを示すことができる。 我々は,これらの分布異常を少なくとも2乗推定で補正するオンラインデバイアス推定器のファミリーを提案する。 我々は,マルチアームバンディット,自己回帰時系列推定,探索による能動的学習などの応用を通して,我々の理論の有用性を実証する。
  論文  参考訳（メタデータ） (2021-07-05T21:05:11Z)
• Efficient Conformal Prediction via Cascaded Inference with Expanded Admission [43.596058175459746]
  共形予測(CP)のための新しい手法を提案する。 我々は、単一の予測の代わりに、予測候補のセットを特定することを目指している。 この集合は、高い確率で正しい答えを含むことが保証される。
  論文  参考訳（メタデータ） (2020-07-06T23:13:07Z)

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。