Fugu-MT 論文翻訳(概要): Bayesian Nonlinear Regression using Sums of Simple Functions

論文の概要: Bayesian Nonlinear Regression using Sums of Simple Functions

arxiv url: http://arxiv.org/abs/2312.01881v1
Date: Mon, 4 Dec 2023 13:24:46 GMT
ステータス: 処理完了
システム内更新日: 2023-12-05 15:17:06.340367
Title: Bayesian Nonlinear Regression using Sums of Simple Functions
Title（参考訳）: 単純関数の和を用いたベイズ非線形回帰
Authors: Florian Huber
Abstract要約: 本稿では,マクロ経済学における大規模データセットに適用可能な新しいベイズ機械学習モデルを提案する。シミュレーションでは, 精度の高い点と密度の予測が得られた。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper proposes a new Bayesian machine learning model that can be applied to large datasets arising in macroeconomics. Our framework sums over many simple two-component location mixtures. The transition between components is determined by a logistic function that depends on a single threshold variable and two hyperparameters. Each of these individual models only accounts for a minor portion of the variation in the endogenous variables. But many of them are capable of capturing arbitrary nonlinear conditional mean relations. Conjugate priors enable fast and efficient inference. In simulations, we show that our approach produces accurate point and density forecasts. In a real-data exercise, we forecast US macroeconomic aggregates and consider the nonlinear effects of financial shocks in a large-scale nonlinear VAR.
Abstract（参考訳）: 本稿では,マクロ経済で発生する大規模データセットに適用可能なベイズ型機械学習モデルを提案する。我々のフレームワークは多くの単純な2成分の位置混合を和らげている。コンポーネント間の遷移は、単一のしきい値変数と2つのハイパーパラメータに依存するロジスティック関数によって決定される。これらの個々のモデルはそれぞれ、内因性変数の変動のごく一部しか説明できない。しかし、それらの多くは任意の非線形条件平均関係を捉えることができる。共役事前化は高速かつ効率的な推論を可能にする。シミュレーションでは,提案手法が正確な点と密度予測を生成することを示す。実データ実験では,マクロ経済集約を予測し,大規模非線形変数における金融ショックの非線形効果を考察する。

関連論文リスト

Variational Hierarchical Mixtures for Probabilistic Learning of Inverse Dynamics [20.953728061894044]
適切に校正された確率回帰モデルは、データセットが急速に成長し、タスクがより複雑になるにつれて、ロボットアプリケーションにおいて重要な学習要素である。計算効率のよい表現と計算複雑性の正規化を両世界の利点と組み合わせた確率論的階層的モデリングパラダイムを考察する。これらの表現を学習するための2つの効率的な変分推論手法を導出し、階層的無限局所回帰モデルの利点を強調する。
論文参考訳（メタデータ） (2022-11-02T13:54:07Z)
FeDXL: Provable Federated Learning for Deep X-Risk Optimization [105.17383135458897]
我々は、既存のアルゴリズムが適用できないXリスクのファミリーを最適化するために、新しい連邦学習(FL)問題に取り組む。 Xリスクに対するFLアルゴリズムを設計する際の課題は、複数のマシンに対する目的の非可逆性と、異なるマシン間の相互依存にある。
論文参考訳（メタデータ） (2022-10-26T00:23:36Z)
Sparse high-dimensional linear regression with a partitioned empirical Bayes ECM algorithm [62.997667081978825]
疎高次元線形回帰に対する計算効率が高く強力なベイズ的手法を提案する。パラメータに関する最小の事前仮定は、プラグイン経験的ベイズ推定(英語版)を用いて用いられる。提案手法はRパッケージプローブに実装されている。
論文参考訳（メタデータ） (2022-09-16T19:15:50Z)
Easy Differentially Private Linear Regression [16.325734286930764]
本研究では,指数関数機構を用いて,非プライベート回帰モデルの集合からタキー深度の高いモデルを選択するアルゴリズムについて検討する。このアルゴリズムは、データリッチな設定において、強い経験的性能を得る。
論文参考訳（メタデータ） (2022-08-15T17:42:27Z)
Variational Inference for Bayesian Bridge Regression [0.0]
橋梁のペナル化を伴う回帰モデルに対するベイズ推定のための自動微分変分推論(ADVI)の実装について検討する。ブリッジアプローチは $ell_alpha$ norm を使い、回帰係数の大きな値に対するペナル化を定義するために $alpha in (0, +infty)$ を用いる。 B-スプラインを持つ非パラメトリック回帰モデルに対するアプローチについて説明するが、この手法は基底関数の他の選択に対してシームレスに機能する。
論文参考訳（メタデータ） (2022-05-19T12:29:09Z)
Bias-variance decomposition of overparameterized regression with random linear features [0.0]
パラメータ化モデル」は、トレーニングデータに完全に適合するのに十分な数のパラメータが適合している場合でも、過度に適合しないようにする。ヘッセン行列の非零固有値が小さいため、各遷移がどのように生じるかを示す。ランダムな線形特徴モデルの位相図とランダムな非線形特徴モデルと通常の回帰とを比較して比較する。
論文参考訳（メタデータ） (2022-03-10T16:09:21Z)
Multivariate Probabilistic Regression with Natural Gradient Boosting [63.58097881421937]
多変量予測分布の条件パラメータを非パラメトリックにモデル化したNatural Gradient Boosting (NGBoost) 手法を提案する。提案手法は頑健で, 広範囲なチューニングを伴わず, 推定対象分布に対してモジュール構造であり, 既存の手法と比較して競争力がある。
論文参考訳（メタデータ） (2021-06-07T17:44:49Z)
Flexible Model Aggregation for Quantile Regression [92.63075261170302]
量子回帰は、予測の不確実性を定量化する必要性によって動機付けられた統計学習の基本的な問題である。条件付き量子モデルの任意の数を集約する手法について検討する。この論文で検討するモデルはすべて、現代のディープラーニングツールキットに適合します。
論文参考訳（メタデータ） (2021-02-26T23:21:16Z)
A Hypergradient Approach to Robust Regression without Correspondence [85.49775273716503]
本稿では,入力データと出力データとの対応が不十分な回帰問題について考察する。ほとんどの既存手法はサンプルサイズが小さい場合にのみ適用できる。シャッフル回帰問題に対する新しい計算フレームワークであるROBOTを提案する。
論文参考訳（メタデータ） (2020-11-30T21:47:38Z)
Piecewise Linear Regression via a Difference of Convex Functions [50.89452535187813]
本稿では,データに対する凸関数(DC関数)の差を利用した線形回帰手法を提案する。実際に実装可能であることを示すとともに,実世界のデータセット上で既存の回帰/分類手法に匹敵する性能を有することを実証的に検証した。
論文参考訳（メタデータ） (2020-07-05T18:58:47Z)
Flexible Bayesian Nonlinear Model Configuration [10.865434331546126]
線形あるいは単純なパラメトリックモデルはしばしば入力変数と応答の間の複雑な関係を記述するのに十分ではない。高いフレキシブルな非線形パラメトリック回帰モデルの構築と選択に柔軟なアプローチを導入する。遺伝的に修飾されたモードジャンプチェーンモンテカルロアルゴリズムを用いてベイズ推論を行う。
論文参考訳（メタデータ） (2020-03-05T21:20:55Z)

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。