論文の概要: Classification Aggregation without Unanimity
- arxiv url: http://arxiv.org/abs/2310.11841v1
- Date: Wed, 18 Oct 2023 09:46:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-19 11:48:14.371090
- Title: Classification Aggregation without Unanimity
- Title（参考訳）: unanimityのない分類アグリゲーション
- Authors: Olivier Cailloux, Matthieu Hervouin, Ali I. Ozkes, M. Remzi Sanver
- Abstract要約: すべての市民カテゴリと独立分類集約関数が本質的に独裁的であることを示す。
二つの不合理性の間の関係は、優先集約におけるウィルソンの不合理性とアローの不合理性の関係に類似している。
- 参考スコア（独自算出の注目度）: 1.8434042562191815
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A classification is a surjective mapping from a set of objects to a set of
categories. A classification aggregation function aggregates every vector of
classifications into a single one. We show that every citizen sovereign and
independent classification aggregation function is essentially a dictatorship.
This impossibility implies an earlier result of Maniquet and Mongin (2016), who
show that every unanimous and independent classification aggregation function
is a dictatorship. The relationship between the two impossibilities is
reminiscent to the relationship between Wilson's and Arrow's impossibilities in
preference aggregation. Moreover, while the Maniquet-Mongin impossibility rests
on the existence of at least three categories, we propose an alternative proof
technique that covers the case of two categories, except when the number of
objects is also two. We also identify all independent and unanimous
classification aggregation functions for the case of two categories and two
objects.
- Abstract（参考訳）: 分類は、オブジェクトの集合からカテゴリの集合への全射写像である。
分類集約関数は、分類のすべてのベクトルを単一のベクトルに集約する。
市民の主権と独立の分類集約関数は基本的に独裁制であることを示す。
この不合理性は、すべての一様かつ独立な分類集約関数が独裁的であることを示すManiquet and Mongin (2016) の初期の結果を示している。
この2つの不合理性の関係は、ウィルソンとアローの選好集約における不合理性の関係を想起させる。
さらに,少なくとも3つのカテゴリが存在することにはマニクト・モンジンの不合理性があるが,対象の数が2である場合を除き,2つのカテゴリのケースをカバーする別の証明手法を提案する。
また、2つのカテゴリと2つのオブジェクトの場合には、独立および一様分類アグリゲーション関数を全て同定する。
関連論文リスト
- Anomaly Detection using Ensemble Classification and Evidence Theory [62.997667081978825]
本稿では,アンサンブル分類とエビデンス理論を用いた新しい検出手法を提案する。
固体アンサンブル分類器を構築するためのプール選択戦略が提示される。
我々は異常検出手法の不確実性を利用する。
論文 参考訳（メタデータ） (2022-12-23T00:50:41Z) - Distance Based Image Classification: A solution to generative
classification's conundrum? [70.43638559782597]
差別的境界は、何によって意味論を定義するため、直観に反するものであると論じる。
本稿では,シェル理論の階層的生成過程によって意味的因子が許容される新しい生成モデルを提案する。
本モデルを用いて,意味的手がかりを保ちながら雑音の影響を抑える分類手法を開発した。
論文 参考訳（メタデータ） (2022-10-04T03:35:13Z) - Classifying with Uncertain Data Envelopment Analysis [0.0]
本稿では,不完全データの現実を前提とした新しい分類手法を提案する。
本モデルでは、不確実なデータ包絡分析を用いて、公平な効率に対する分類の近接性を定義する。
本研究は, ダウ・ジョーンズ工業平均の30株をパフォーマンスレベルに分類し, 前立腺治療を臨床効果カテゴリーに分類することで結論付けた。
論文 参考訳（メタデータ） (2022-09-02T13:41:19Z) - Nested Counterfactual Identification from Arbitrary Surrogate
Experiments [95.48089725859298]
観測と実験の任意の組み合わせからネスト反事実の同定について検討した。
具体的には、任意のネストされた反事実を非ネストされたものへ写像できる反ファクト的非ネスト定理(英語版)(CUT)を証明する。
論文 参考訳（メタデータ） (2021-07-07T12:51:04Z) - Discovering Relationships between Object Categories via Universal
Canonical Maps [80.07703460198198]
変形可能なオブジェクトの複数カテゴリの幾何学を共同で学習する問題に取り組む。
近年の研究では、関連オブジェクトのいくつかのカテゴリに対して、統合された高密度ポーズ予測器を学習できることが示されている。
改良された対応性は,カテゴリ固有の高密度ポーズ予測器の自然な副産物として自動的に学習できることを示す。
論文 参考訳（メタデータ） (2021-06-17T18:38:18Z) - Exemplars can Reciprocate Principal Components [0.0]
Category Treesは、カテゴリタイプに分岐して機能しないツリー構造を生成するクラスタリングメソッドである。
この理論はポルトガル森林火災データセットをケーススタディとして用いたものである。
論文 参考訳（メタデータ） (2021-03-22T12:46:29Z) - A new class of generative classifiers based on staged tree models [2.66269503676104]
分類のための生成モデルは、クラス変数と特徴の合同確率分布を使用して決定規則を構成する。
ここでは,ステージ付き木分類器と呼ばれる,コンテキスト固有の独立性を考慮した新しい生成型分類器を導入する。
タイタニックの乗客の運命を予測するための応用分析は、生成分類器の新しいクラスが与えることができる洞察を強調します。
論文 参考訳（メタデータ） (2020-12-26T19:30:35Z) - Classification with Rejection Based on Cost-sensitive Classification [83.50402803131412]
学習のアンサンブルによる拒絶を用いた新しい分類法を提案する。
実験により, クリーン, ノイズ, 正の未ラベル分類における提案手法の有用性が示された。
論文 参考訳（メタデータ） (2020-10-22T14:05:05Z) - Cautious Active Clustering [79.23797234241471]
ユークリッド空間上の未知の確率測度からサンプリングされた点の分類の問題を考える。
我々のアプローチは、未知の確率測度を、各クラスに対する条件付き確率の凸結合として考えることである。
論文 参考訳（メタデータ） (2020-08-03T23:47:31Z) - Deep Hierarchical Classification for Category Prediction in E-commerce
System [16.6932395109085]
電子商取引システムでは、カテゴリ予測は与えられたテキストのカテゴリを自動的に予測する。
ニューラルネットワークにマルチスケール階層情報を組み込んだDeep Hierarchical Classificationフレームワークを提案する。
また、階層的予測損失を罰する新たな複合損失関数も定義する。
論文 参考訳（メタデータ） (2020-05-14T02:29:14Z)
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。