論文の概要: Ordinal classification for interval-valued data and interval-valued
functional data
- arxiv url: http://arxiv.org/abs/2310.19433v1
- Date: Mon, 30 Oct 2023 10:45:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-01 20:47:22.401105
- Title: Ordinal classification for interval-valued data and interval-valued
functional data
- Title（参考訳）: 区間値データと区間値関数データの順序分類
- Authors: Aleix Alcacer, Marina Mart\'inez-Garcia, Irene Epifanio
- Abstract要約: 順序分類の目的は、観測された一連の入力から出力の順序付きラベルを予測することである。
区間値データと区間値関数データを順序分類問題における入力として検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The aim of ordinal classification is to predict the ordered labels of the
output from a set of observed inputs. Interval-valued data refers to data in
the form of intervals. For the first time, interval-valued data and
interval-valued functional data are considered as inputs in an ordinal
classification problem. Six ordinal classifiers for interval data and
interval-valued functional data are proposed. Three of them are parametric, one
of them is based on ordinal binary decompositions and the other two are based
on ordered logistic regression. The other three methods are based on the use of
distances between interval data and kernels on interval data. One of the
methods uses the weighted $k$-nearest-neighbor technique for ordinal
classification. Another method considers kernel principal component analysis
plus an ordinal classifier. And the sixth method, which is the method that
performs best, uses a kernel-induced ordinal random forest. They are compared
with na\"ive approaches in an extensive experimental study with synthetic and
original real data sets, about human global development, and weather data. The
results show that considering ordering and interval-valued information improves
the accuracy. The source code and data sets are available at
https://github.com/aleixalcacer/OCFIVD.
- Abstract（参考訳）: 順序分類の目的は、観測された入力の集合から出力の順序ラベルを予測することである。
区間値データとは、間隔の形でのデータを指す。
順序分類問題において、初めて区間値データと区間値関数データが入力と見なされる。
区間データと区間値関数データに対する6つの順序分類器を提案する。
3つはパラメトリックであり、1つは順序二項分解、もう1つは順序ロジスティック回帰に基づいている。
他の3つの手法は、インターバルデータにおけるインターバルデータとカーネル間の距離の利用に基づいている。
方法の1つは、順序分類に$k$-nearest-neighbor法を用いる。
別の方法はカーネル主成分分析と順序分類器を考える。
そして、最善を尽くす方法である第6の方法は、カーネルによって誘導される順序ランダムフォレストを使用する。
それらは、人間の地球開発や気象データに関する合成およびオリジナルの実データを用いた広範囲な実験研究において、na\"iveなアプローチと比較される。
その結果,順序と区間値情報を考慮すると精度が向上することがわかった。
ソースコードとデータセットはhttps://github.com/aleixalcacer/ocfivdで入手できる。
関連論文リスト
- dlordinal: a Python package for deep ordinal classification [3.420642569478584]
dlordinalは、最近の多くのディープ順序分類方法論を統合する新しいPythonライブラリである。
日常的な分類問題に対して、最先端のディープラーニング技術を実装している。
論文 参考訳（メタデータ） (2024-07-24T11:07:20Z) - Efficient Approximate Kernel Based Spike Sequence Classification [56.2938724367661]
SVMのような機械学習モデルは、シーケンスのペア間の距離/相似性の定義を必要とする。
厳密な手法により分類性能は向上するが、計算コストが高い。
本稿では,その予測性能を向上させるために,近似カーネルの性能を改善する一連の方法を提案する。
論文 参考訳（メタデータ） (2022-09-11T22:44:19Z) - Dimension Independent Data Sets Approximation and Applications to
Classification [0.0]
我々は、近似・補間理論の古典的カーネル法を、非常に具体的な文脈で再検討する。
データ信号と呼ばれる特別な関数は、任意のデータセットに対して定義され、教師付き分類問題を簡潔に解くために使用される。
論文 参考訳（メタデータ） (2022-08-29T17:32:55Z) - Out-of-Distribution Detection in Time-Series Domain: A Novel Seasonal
Ratio Scoring Approach [36.92193966889356]
時系列領域におけるOOD検出の新たな問題点について考察する。
本論文は,これらの課題に触発され,季節比スコア(SRS)の新たなアプローチを提案する。
種々の実世界のベンチマーク実験により、SRS法は時系列OOD検出に適していることが示された。
論文 参考訳（メタデータ） (2022-07-09T17:21:21Z) - COSTI: a New Classifier for Sequences of Temporal Intervals [0.0]
時間間隔のシーケンスを直接操作する新しい分類法を開発した。
提案手法は高い精度を保ち、変換データの操作に接続する欠点を回避しつつ、より良い性能が得られる。
論文 参考訳（メタデータ） (2022-04-28T12:55:06Z) - Ordinal Causal Discovery [2.0305676256390934]
本稿では,多くの実世界のアプリケーションに含まれる順序情報を利用して,因果構造を一意に識別する,識別可能な順序因果探索手法を提案する。
提案手法は, カテゴリー別および非カテゴリ別の両方において, 最先端の代替手法と比較して, 良好かつ堅牢な性能を有することを示す。
論文 参考訳（メタデータ） (2022-01-19T03:11:26Z) - Frequency Spectrum Augmentation Consistency for Domain Adaptive Object
Detection [107.52026281057343]
周波数スペクトル拡張整合(FSAC)フレームワークを4種類の低周波フィルタで構成する。
最初の段階では、オリジナルおよび拡張されたソースデータを全て利用して、オブジェクト検出器を訓練する。
第2段階では、予測一貫性のための自己学習を行うために、擬似ラベル付き拡張現実とターゲットデータを採用する。
論文 参考訳（メタデータ） (2021-12-16T04:07:01Z) - Detecting Handwritten Mathematical Terms with Sensor Based Data [71.84852429039881]
本稿では,手書きの数学的用語を自動分類する,スタビロによるUbiComp 2021チャレンジの解を提案する。
入力データセットには異なるライターのデータが含まれており、ラベル文字列は合計15の異なる文字から構成されている。
論文 参考訳（メタデータ） (2021-09-12T19:33:34Z) - Federated Doubly Stochastic Kernel Learning for Vertically Partitioned
Data [93.76907759950608]
本稿では,垂直分割データに対する2倍のカーネル学習アルゴリズムを提案する。
本稿では,FDSKLがカーネルを扱う場合,最先端のフェデレーション学習手法よりもはるかに高速であることを示す。
論文 参考訳（メタデータ） (2020-08-14T05:46:56Z) - Convolutional Ordinal Regression Forest for Image Ordinal Estimation [52.67784321853814]
我々は、画像の順序性評価のために、コンボリューショナル・オーディショナル・レグレッション・フォレスト(CORF)と呼ばれる新しいオーディショナル・レグレッション・アプローチを提案する。
提案したCORFは、順序回帰と微分可能な決定木を畳み込みニューラルネットワークと統合し、正確なグローバル順序関係と安定なグローバル順序関係を得る。
提案手法の有効性は,2つの画像順序推定課題において検証され,最先端の順序回帰法に対する大幅な改善と安定性が示された。
論文 参考訳（メタデータ） (2020-08-07T10:41:17Z) - Improved guarantees and a multiple-descent curve for Column Subset
Selection and the Nystr\"om method [76.73096213472897]
我々は,データ行列のスペクトル特性を利用して近似保証を改良する手法を開発した。
我々のアプローチは、特異値減衰の既知の速度を持つデータセットのバウンダリが大幅に向上する。
RBFパラメータを変更すれば,改良された境界線と多重発振曲線の両方を実データセット上で観測できることが示される。
論文 参考訳（メタデータ） (2020-02-21T00:43:06Z)
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。