論文の概要: Conformal link prediction to control the error rate
- arxiv url: http://arxiv.org/abs/2306.14693v1
- Date: Mon, 26 Jun 2023 13:38:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-27 13:29:29.922537
- Title: Conformal link prediction to control the error rate
- Title（参考訳）: 誤り率制御のための共形リンク予測
- Authors: Ariane Marandon
- Abstract要約: 偽発見率(FDR)を制御した真のエッジの集合を同定する問題を考える。
共形推論に基づく文献からの高レベルなアイデアに基づく新しい手法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Most link prediction methods return estimates of the connection probability
of missing edges in a graph. Such output can be used to rank the missing edges,
from most to least likely to be a true edge, but it does not directly provide a
classification into true and non-existent. In this work, we consider the
problem of identifying a set of true edges with a control of the false
discovery rate (FDR). We propose a novel method based on high-level ideas from
the literature on conformal inference. The graph structure induces intricate
dependence in the data, which we carefully take into account, as this makes the
setup different from the usual setup in conformal inference, where
exchangeability is assumed. The FDR control is empirically demonstrated for
both simulated and real data.
- Abstract（参考訳）: ほとんどのリンク予測手法は、グラフの欠落したエッジの接続確率を推定する。
そのような出力は、欠落した辺のランク付けに使うことができるが、真の辺である可能性が最も低いが、真かつ非存在の分類を直接は提供しない。
本研究では,偽発見率(FDR)を制御した真のエッジの集合を同定する問題を考察する。
共形推論に基づく文献からの高レベルなアイデアに基づく新しい手法を提案する。
グラフ構造はデータの複雑な依存を誘導するが、これは慎重に考慮する。これは、交換可能性が仮定される共形推論の通常の設定と設定が異なるためである。
FDR制御はシミュレーションデータと実データの両方に対して実証的に実証される。
関連論文リスト
- DAGnosis: Localized Identification of Data Inconsistencies using
Structures [73.39285449012255]
機械学習モデルを確実に使用するためには、デプロイメント時のデータの不整合の特定と適切な処理が不可欠である。
我々は,有向非巡回グラフ(DAG)を用いて,トレーニングセットの特徴分布と非依存性を構造として符号化する。
我々の手法はDAGnosisと呼ばれ、これらの構造的相互作用を利用して、価値があり洞察に富んだデータ中心の結論をもたらす。
論文 参考訳（メタデータ） (2024-02-26T11:29:16Z) - Federated Causal Discovery from Heterogeneous Data [70.31070224690399]
任意の因果モデルと異種データに対応する新しいFCD法を提案する。
これらのアプローチには、データのプライバシを保護するために、生データのプロキシとして要約統計を構築することが含まれる。
提案手法の有効性を示すために, 合成および実データを用いた広範囲な実験を行った。
論文 参考訳（メタデータ） (2024-02-20T18:53:53Z) - Efficient Conformal Prediction under Data Heterogeneity [79.35418041861327]
コンフォーマル予測(CP)は不確実性定量化のための頑健な枠組みである。
非交換性に対処するための既存のアプローチは、最も単純な例を超えて計算不可能なメソッドにつながる。
この研究は、比較的一般的な非交換可能なデータ分布に対して証明可能な信頼セットを生成する、CPに新しい効率的なアプローチを導入する。
論文 参考訳（メタデータ） (2023-12-25T20:02:51Z) - Prototype-based Aleatoric Uncertainty Quantification for Cross-modal
Retrieval [139.21955930418815]
クロスモーダル検索手法は、共通表現空間を共同学習することにより、視覚と言語モダリティの類似性関係を構築する。
しかし、この予測は、低品質なデータ、例えば、腐敗した画像、速いペースの動画、詳細でないテキストによって引き起こされるアレタリック不確実性のために、しばしば信頼性が低い。
本稿では, 原型に基づくAleatoric Uncertainity Quantification (PAU) フレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-29T09:41:19Z) - When Does Confidence-Based Cascade Deferral Suffice? [69.28314307469381]
カスケードは、推論コストをサンプル毎に適応的に変化させる古典的な戦略である。
deferralルールは、シーケンス内の次の分類子を呼び出すか、または予測を終了するかを決定する。
カスケードの構造に執着しているにもかかわらず、信頼に基づく推論は実際は極めてうまく機能することが多い。
論文 参考訳（メタデータ） (2023-07-06T04:13:57Z) - Toward Falsifying Causal Graphs Using a Permutation-Based Test [10.885596886578119]
既存のメトリクスは、グラフと観測データの間に絶対的な数の不整合を提供します。
本稿では,ノード置換によるサロゲートベースラインの構築により,新しい整合性指標を提案する。
代理基底線上のものとの不整合の数を比較することにより、解釈可能な計量を導出する。
論文 参考訳（メタデータ） (2023-05-16T16:02:18Z) - A general framework for multi-step ahead adaptive conformal
heteroscedastic time series forecasting [0.0]
本稿では,適応アンサンブルバッチ多出力多出力共形量子化回帰(AEnbMIMOCQR)と呼ばれる新しいモデル非依存アルゴリズムを提案する。
これにより、予測者は、固定された特定された誤発見率に対して、分布のない方法で、複数段階の事前予測間隔を生成できる。
本手法は, 整合予測の原理に基づいているが, データの分割は不要であり, データの交換ができない場合でも, ほぼ正確なカバレッジを提供する。
論文 参考訳（メタデータ） (2022-07-28T16:40:26Z) - Robust Flow-based Conformal Inference (FCI) with Statistical Guarantee [4.821312633849745]
本研究では,予測集合の構築や,複雑なデータや高次元データに対するアウトレイラの推測など,一連の共形推論手法を開発する。
ベンチマークデータセットを用いて,ロバストなフローベース共形推論手法の評価を行った。
論文 参考訳（メタデータ） (2022-05-22T04:17:30Z) - Uncertainty Estimation Using a Single Deep Deterministic Neural Network [66.26231423824089]
本稿では,1回のフォワードパスで,テスト時に分布データポイントの発見と拒否が可能な決定論的ディープモデルを訓練する手法を提案する。
我々は,新しい損失関数とセントロイド更新方式を用いて,これらをスケールトレーニングし,ソフトマックスモデルの精度に適合させる。
論文 参考訳（メタデータ） (2020-03-04T12:27:36Z)
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。