論文の概要: Data as voters: instance selection using approval-based multi-winner voting

• arxiv url: http://arxiv.org/abs/2304.09995v2
• Date: Tue, 21 May 2024 13:18:47 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-22 19:30:20.976654
• Title: Data as voters: instance selection using approval-based multi-winner voting
• Title（参考訳）: 投票者としてのデータ:承認に基づく多票制による事例選択
• Authors: Luis Sánchez-Fernández, Jesús A. Fisteus, Rafael López-Zaragoza,
• Abstract要約: 機械学習(あるいはデータマイニング)におけるインスタンス選択問題に対する新しいアプローチを提案する。 私たちのモデルでは、インスタンスは有権者と候補者として二重の役割を担います。 SVM では,EJR や PJR を満たすいくつかの投票規則を用いて,平均精度をわずかに向上させた。
• 参考スコア（独自算出の注目度）: 1.597617022056624
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We present a novel approach to the instance selection problem in machine learning (or data mining). Our approach is based on recent results on (proportional) representation in approval-based multi-winner elections. In our model, instances play a double role as voters and candidates. The approval set of each instance in the training set (acting as a voter) is defined from the concept of local set, which already exists in the literature. We then select the election winners by using a representative voting rule, and such winners are the data instances kept in the reduced training set. Our experiments show that, for KNN, the rule Simple 2-EJR (a variant of the Simple EJR voting rule that satisfies 2-EJR) outperforms all the state-of-the-art algorithms and all the baselines that we consider in this paper in terms of accuracy vs reduction. For SVMs, we have obtained slight increases in the average accuracy by using several voting rules that satisfy EJR or PJR compared to the results obtained with the original datasets.
• Abstract（参考訳）: 本稿では,機械学習(あるいはデータマイニング)におけるインスタンス選択問題に対する新しいアプローチを提案する。 提案手法は,承認に基づく多票制選挙における(比例的な)表現に関する最近の結果に基づいている。 私たちのモデルでは、インスタンスは有権者と候補者として二重の役割を担います。 トレーニングセット内の各インスタンスの承認セット(投票者として実行される)は、既に文献に存在しているローカルセットの概念から定義される。 次に、代表投票ルールを用いて選挙勝者を選択し、そのような勝者は、縮小されたトレーニングセットに保持されるデータインスタンスである。 実験の結果, 単純2-EJR法則(2-EJRを満足する簡易EJR法則の変種)は, KNNの場合, 最先端のアルゴリズムと, 精度と削減率の観点から検討したベースラインを全て上回っていることがわかった。 SVM では,EJR や PJR を満足する投票ルールを,元となるデータセットと比較することにより,平均精度をわずかに向上させることができた。

関連論文リスト

• Improving the Computational Efficiency of Adaptive Audits of IRV Elections [54.427049258408424]
  AWAIREは、任意の数の候補でIRVコンテストを監査できるが、当初の実装では、候補数とともに指数関数的に増加するメモリと計算コストが増大していた。 本稿では,従来の6候補と比較して,55候補のIRVコンテストを実際に実施する3つの方法で,AWAIREのアルゴリズム実装を改善した。
  論文  参考訳（メタデータ） (2024-07-23T13:28:00Z)
• Efficient Weighting Schemes for Auditing Instant-Runoff Voting Elections [57.67176250198289]
  AWAIREは、適応的に重み付けされたテスト統計量であり、本質的には、テストに有効な仮説のセットを「学習」する。 我々は、より広範囲にスキームと設定を検討し、実践のための効率的な選択を特定し、推奨する。 現在のAWAIRE実装の制限は、少数の候補者に限られている。
  論文  参考訳（メタデータ） (2024-02-18T10:13:01Z)
• Adaptively Weighted Audits of Instant-Runoff Voting Elections: AWAIRE [61.872917066847855]
  即時投票(IRV)選挙の監査方法は、リスク制限や、各投票における投票の電子的記録であるキャスト投票記録(CVR)を必要とするものではない。 我々は,CVRが利用できない場合に,適応的に重み付けされたテストスーパーマーチンガルを用いてITV選挙を効率よく監査するRLA手法を開発した。
  論文  参考訳（メタデータ） (2023-07-20T15:55:34Z)
• Private Multi-Winner Voting for Machine Learning [48.0093793427039]
  本稿では,2進数,$tau$,Powerset投票の3つの新しいDPマルチウィンナ機構を提案する。 バイナリ投票は、構成を通じてラベルごとに独立して行われる。 $tau$ voting bounds vote in their $ell$ norm for tight data-independent guarantees。 パワーセット投票は、可能な結果をパワーセットとして見ることによって、バイナリベクター全体を操作する。
  論文  参考訳（メタデータ） (2022-11-23T20:06:46Z)
• Ballot-Polling Audits of Instant-Runoff Voting Elections with a Dirichlet-Tree Model [23.14629947453497]
  即時投票(Instant-runoff voting、IRV)は、世界中のいくつかの国で使用されている。 投票者は選好順に候補者をランク付けすることが必要であり、最初のペーストポストやスコアリングルールのようなシステムよりも複雑なカウントアルゴリズムを使用する。 さらに複雑なシステムであるSTV(Single Transferable vote)は、複数の候補者を選出する必要があるときに使用される。 現在、STVのリスク制限監査(RLA)法は、完全な手動による投票数以外には知られていない。
  論文  参考訳（メタデータ） (2022-09-08T15:35:50Z)
• Expected Frequency Matrices of Elections: Computation, Geometry, and Preference Learning [58.23459346724491]
  我々は、Szufa et al.(AAMAS 2020)の「選挙マップ」アプローチを用いて、よく知られた投票分布を分析します。 分布の「スケルトン写像」を描き、その頑健さを評価し、その性質を分析する。
  論文  参考訳（メタデータ） (2022-05-16T17:40:22Z)
• The Complexity of Learning Approval-Based Multiwinner Voting Rules [9.071560867542647]
  本研究は,ABCS(承認ベース委員会スコアリング)ルールのクラスに着目し,マルチウィンナ投票の学習可能性について検討する。 我々のゴールは、少数のプロファイルの勝利委員会に関する情報を用いて、ターゲットルール(すなわち、対応するスコアリング機能を学ぶこと)を学ぶことである。 我々は、ある委員会に与えられたプロファイルで勝利させるABCSルールが存在するかどうかを判断することが難しいことを証明している。
  論文  参考訳（メタデータ） (2021-10-01T08:25:05Z)
• FastCorrect 2: Fast Error Correction on Multiple Candidates for Automatic Speech Recognition [92.12910821300034]
  本稿では,複数のASR候補を入力として取り込んだ誤り訂正モデルFastCorrect 2を提案する。 FastCorrect 2は、カスケードされた再描画と修正パイプラインよりも優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2021-09-29T13:48:03Z)
• Learning to Elect [7.893831644671976]
  投票システムには、推薦システム、ウェブ検索、製品デザイン、選挙など幅広いアプリケーションがある。 本研究では,セットトランスフォーマーや完全連結グラフネットワーク,DeepSetsといったセットインプットニューラルネットワークアーキテクチャが,理論的にも経験的にも投票ルールの学習に適していることを示す。
  論文  参考訳（メタデータ） (2021-08-05T17:55:46Z)

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。