論文の概要: A path in regression Random Forest looking for spatial dependence: a
taxonomy and a systematic review
- arxiv url: http://arxiv.org/abs/2303.04693v1
- Date: Wed, 8 Mar 2023 16:34:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-09 13:20:43.721754
- Title: A path in regression Random Forest looking for spatial dependence: a
taxonomy and a systematic review
- Title（参考訳）: 空間依存度を求める回帰ランダム林の経路--分類法と体系的考察
- Authors: Luca Patelli, Michela Cameletti, Natalia Golini, Rosaria Ignaccolo
- Abstract要約: 環境応用において、関心の現象は、ランダムフォレストによって明示的に考慮されていない空間的および時間的依存を示す可能性がある。
我々は,空間情報を回帰RFに含めようとする時期(前・内・後処理)に応じて戦略を分類する分類法を提案する。
我々は,空間依存データに対する回帰RFの「調整」に採用された最近の戦略を体系的に検討し,分類する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Random Forest (RF) is a well-known data-driven algorithm applied in several
fields thanks to its flexibility in modeling the relationship between the
response variable and the predictors, also in case of strong non-linearities.
In environmental applications, it often occurs that the phenomenon of interest
may present spatial and/or temporal dependence that is not taken explicitly
into account by RF in its standard version. In this work, we propose a taxonomy
to classify strategies according to when (Pre-, In- and/or Post-processing)
they try to include the spatial information into regression RF. Moreover, we
provide a systematic review and classify the most recent strategies adopted to
"adjust" regression RF to spatially dependent data, based on the criteria
provided by the Preferred Reporting Items for Systematic reviews and
Meta-Analysis (PRISMA). The latter consists of a reproducible methodology for
collecting and processing existing literature on a specified topic from
different sources. PRISMA starts with a query and ends with a set of scientific
documents to review: we performed an online query on the 25$^{th}$ October 2022
and, in the end, 32 documents were considered for review. The employed
methodological strategies and the application fields considered in the 32
scientific documents are described and discussed.
- Abstract（参考訳）: ランダムフォレスト (Random Forest, RF) は、応答変数と予測器の関係をモデル化する柔軟性により、いくつかの分野でよく知られたデータ駆動アルゴリズムである。
環境応用において、関心の現象は、標準バージョンではRFによって明示的に考慮されていない空間的および時間的依存を示すことがある。
本研究では,空間情報を回帰RFに含めようとする時期(前・内・後処理)に応じて戦略を分類する分類法を提案する。
さらに,PRISMA (Preferred Reporting Items for Systematic Review and Meta-Analysis) の基準に基づき,空間依存データに対する回帰RFの「調整」に採用された最新の戦略を体系的に検討し,分類する。
後者は、異なるソースから特定のトピックについて既存の文献を収集し処理するための再現可能な方法論からなる。
私たちは2022年10月25$^{th}$でオンラインクエリを行い、最終的に32のドキュメントがレビューのために検討されました。
32の科学的文書で考慮された方法論戦略と応用分野について解説・考察した。
関連論文リスト
- ECLIPSE: Contrastive Dimension Importance Estimation with Pseudo-Irrelevance Feedback for Dense Retrieval [14.72046677914345]
近年のInformation Retrievalは、高次元埋め込み空間を活用して、関連文書の検索を改善している。
これらの高次元表現にもかかわらず、クエリに関連する文書は、低次元のクエリ依存多様体に存在する。
本稿では,関連文書と非関連文書の両方からの情報を活用することによって,これらの制約に対処する手法を提案する。
論文 参考訳（メタデータ） (2024-12-19T15:45:06Z) - Random Forest Regression Feature Importance for Climate Impact Pathway Detection [0.0]
気候源のチェーンRF時流ダウンストリームの影響を発見・ランク付けする手法を開発した。
我々はRandom Forest Regression (RFR) とSHAP (SHAP) を重要視している。
論文 参考訳（メタデータ） (2024-09-25T04:18:53Z) - SKADA-Bench: Benchmarking Unsupervised Domain Adaptation Methods with Realistic Validation On Diverse Modalities [55.87169702896249]
Unsupervised Domain Adaptation (DA) は、ラベル付きソースドメインでトレーニングされたモデルを適用して、ラベルなしのターゲットドメインでデータ分散シフトをうまく実行する。
本稿では,再重み付け,マッピング,部分空間アライメントなど,既存の浅層アルゴリズムの完全かつ公平な評価を行う。
本ベンチマークでは,現実的な検証の重要性を強調し,現実的なアプリケーションに対する実践的なガイダンスを提供する。
論文 参考訳（メタデータ） (2024-07-16T12:52:29Z) - Iterative Preference Learning from Human Feedback: Bridging Theory and Practice for RLHF under KL-Constraint [56.74058752955209]
本稿では,RLHFによる強化学習を用いた生成モデルのアライメント過程について検討する。
まず、オフラインPPOやオフラインDPOのような既存の一般的な手法の主な課題を、環境の戦略的探索に欠如していると認識する。
有限サンプル理論保証を用いた効率的なアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-12-18T18:58:42Z) - Bias and Fairness in Large Language Models: A Survey [73.87651986156006]
本稿では,大規模言語モデル(LLM)のバイアス評価と緩和手法に関する総合的な調査を行う。
まず、自然言語処理における社会的偏見と公平性の概念を統合し、形式化し、拡張する。
次に,3つの直感的な2つのバイアス評価法と1つの緩和法を提案し,文献を統一する。
論文 参考訳（メタデータ） (2023-09-02T00:32:55Z) - Adaptive Principal Component Regression with Applications to Panel Data [29.295938927701396]
我々は、(正規化)主成分回帰に対する最初の時間一様有限標本保証を提供する。
結果は,現代のマルティンゲール濃度から変量設定への適応ツールに頼っている。
提案手法は,エラー・イン・変数の回帰を利用していないベースラインを経験的に上回ることを示す。
論文 参考訳（メタデータ） (2023-07-03T21:13:40Z) - A Comprehensive Survey on Source-free Domain Adaptation [69.17622123344327]
ソースフリードメイン適応(SFDA)の研究は近年注目を集めている。
SFDAの最近の進歩を包括的に調査し、それらを統一的な分類体系に整理する。
一般的な3つの分類基準で30以上のSFDA法を比較検討した。
論文 参考訳（メタデータ） (2023-02-23T06:32:09Z) - A Pipeline for Analysing Grant Applications [0.0]
本稿では,提案手法が意図した革新的なプロジェクト提案を効果的に識別するかどうかを考察する。
グラント申請は、レビュアーが割り当てた「特定の革新と創造性」(IC)スコアを含むピアレビューされた研究提案である。
本稿では,特徴を符号化した文書上のランダムフォレスト(RF)分類器として,最高の性能を持つモデルを提案する。
論文 参考訳（メタデータ） (2022-10-30T13:43:53Z) - Deconstructing Self-Supervised Monocular Reconstruction: The Design
Decisions that Matter [63.5550818034739]
本稿では,自己教師付き単分子深度推定への最先端の貢献を評価するための枠組みを提案する。
事前トレーニング、バックボーン、アーキテクチャ設計の選択、損失関数が含まれる。
我々は16の最先端コントリビューションを再実装し、検証し、再評価し、新しいデータセットを導入します。
論文 参考訳（メタデータ） (2022-08-02T14:38:53Z) - HiPaR: Hierarchical Pattern-aided Regression [71.22664057305572]
HiPaRは、$p Rightarrow y = f(X)$という形式のハイブリッドルールをマイニングします。ここでは、$p$はデータ領域の特性付けであり、$f(X)$は興味ある$y$の変数上の線形回帰モデルです。
HiPaRはパターンマイニング技術を利用して、ターゲット変数が局所線形モデルによって正確に説明できるデータの領域を特定する。
実験が示すように、hipalは既存のパターンベースの回帰法よりも少ないルールをマイニングしながら、最先端の予測性能を実現しています。
論文 参考訳（メタデータ） (2021-02-24T15:53:17Z) - Prediction with Spatio-temporal Point Processes with Self Organizing
Decision Trees [0.0]
私たちはこの問題に新しいアプローチを導入します。
我々のアプローチは、非定常かつ自己興奮的なプロセスであるホークスプロセスに基づいている。
実生活データに関する実験結果を提供する。
論文 参考訳（メタデータ） (2020-03-07T20:39:31Z)
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。