論文の概要: Contextual Feature Selection with Conditional Stochastic Gates
- arxiv url: http://arxiv.org/abs/2312.14254v1
- Date: Thu, 21 Dec 2023 19:12:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-25 17:02:27.224028
- Title: Contextual Feature Selection with Conditional Stochastic Gates
- Title(参考訳): 条件付き確率ゲートを用いた文脈特徴選択
- Authors: Ram Dyuthi Sristi, Ofir Lindenbaum, Maria Lavzin, Jackie Schiller, Gal
Mishne and Hadas Benisty
- Abstract要約: そこでは,特定の文脈で条件付けられた情報的特徴のサブセットを特定しながら,予測関数の学習を目標とする文脈的特徴選択の問題について検討する。
我々は最近提案されたゲートを文脈変数に基づいてパラメータを予測する条件付きベルヌーイ変数として一般化する。
我々は、医療、住宅、神経科学などのシミュレーションおよび実世界のデータセットにc-STGを適用し、効果的に文脈的に意味のある特徴を示す。
- 参考スコア(独自算出の注目度): 10.887693049808522
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study the problem of contextual feature selection, where the goal is to
learn a predictive function while identifying subsets of informative features
conditioned on specific contexts. Towards this goal, we generalize the recently
proposed stochastic gates (STG) Yamada et al. [2020] by modeling the
probabilistic gates as conditional Bernoulli variables whose parameters are
predicted based on the contextual variables. Our new scheme, termed
conditional-STG (c-STG), comprises two networks: a hypernetwork that
establishes the mapping between contextual variables and probabilistic feature
selection parameters and a prediction network that maps the selected feature to
the response variable. Training the two networks simultaneously ensures the
comprehensive incorporation of context and feature selection within a unified
model. We provide a theoretical analysis to examine several properties of the
proposed framework. Importantly, our model leads to improved flexibility and
adaptability of feature selection and, therefore, can better capture the
nuances and variations in the data. We apply c-STG to simulated and real-world
datasets, including healthcare, housing, and neuroscience, and demonstrate that
it effectively selects contextually meaningful features, thereby enhancing
predictive performance and interpretability.
- Abstract(参考訳): そこでは,特定の文脈で条件付けられた情報的特徴のサブセットを特定しながら,予測関数の学習を目標とする文脈的特徴選択の問題について検討する。
この目標に向けて、最近提案された確率ゲート(STG)山田らを一般化する。
[2020] 変数が文脈変数に基づいて予測される条件付きベルヌーイ変数として確率ゲートをモデル化する。
我々の新しいスキームである条件付きSTG(c-STG)は、文脈変数と確率的特徴選択パラメータのマッピングを確立するハイパーネットワークと、選択した特徴を応答変数にマッピングする予測ネットワークの2つのネットワークから構成される。
2つのネットワークをトレーニングすることで、統一モデルにおけるコンテキストと機能選択の包括的統合が保証される。
提案手法の諸性質を検討するための理論的解析を行う。
重要なのは、当社のモデルが機能選択の柔軟性と適応性の向上につながり、従ってデータのニュアンスやバリエーションをよりよく捉えられることです。
我々は,c-stgを医療,住宅,神経科学などのシミュレーションおよび実世界のデータセットに適用し,文脈的に有意義な特徴を効果的に選択し,予測性能と解釈可能性を高めることを実証する。
関連論文リスト
- Feature Selection as Deep Sequential Generative Learning [50.00973409680637]
本研究では, 逐次再構成, 変分, 性能評価器の損失を伴って, 深部変分変圧器モデルを構築した。
提案モデルでは,特徴選択の知識を抽出し,連続的な埋め込み空間を学習し,特徴選択決定シーケンスをユーティリティスコアに関連付けられた埋め込みベクトルにマッピングする。
論文 参考訳(メタデータ) (2024-03-06T16:31:56Z) - Causal Feature Selection via Transfer Entropy [59.999594949050596]
因果発見は、観察データによる特徴間の因果関係を特定することを目的としている。
本稿では,前向きと後向きの機能選択に依存する新たな因果的特徴選択手法を提案する。
精度および有限サンプルの場合の回帰誤差と分類誤差について理論的に保証する。
論文 参考訳(メタデータ) (2023-10-17T08:04:45Z) - Copula for Instance-wise Feature Selection and Ranking [24.09326839818306]
本稿では,変数間の相関を捉える強力な数学的手法であるガウスコプラを,現在の特徴選択フレームワークに組み込むことを提案する。
提案手法が有意な相関関係を捉えることができることを示すために, 合成データセットと実データセットの双方について, 性能比較と解釈可能性の観点から実験を行った。
論文 参考訳(メタデータ) (2023-08-01T13:45:04Z) - VFDS: Variational Foresight Dynamic Selection in Bayesian Neural
Networks for Efficient Human Activity Recognition [81.29900407096977]
変動予測動的選択(VFDS)は、観測する次の機能サブセットを選択するポリシーを学ぶ。
本稿では,その実践においてパフォーマンスコストのトレードオフが重要となるヒューマンアクティビティ認識(HAR)タスクに,VFDSを適用した。
論文 参考訳(メタデータ) (2022-03-31T22:52:43Z) - Dynamic Instance-Wise Classification in Correlated Feature Spaces [15.351282873821935]
典型的な機械学習環境では、すべてのテストインスタンスの予測は、モデルトレーニング中に発見された機能の共通サブセットに基づいている。
それぞれのテストインスタンスに対して個別に評価する最適な特徴を順次選択し、分類精度に関して更なる改善が得られないことを判断すると、選択プロセスが終了して予測を行う新しい手法を提案する。
提案手法の有効性, 一般化性, 拡張性について, 多様なアプリケーション領域の様々な実世界のデータセットで説明する。
論文 参考訳(メタデータ) (2021-06-08T20:20:36Z) - A User-Guided Bayesian Framework for Ensemble Feature Selection in Life
Science Applications (UBayFS) [0.0]
本稿では,ベイズ統計フレームワークに組み込んだアンサンブル特徴選択手法UBayFSを提案する。
提案手法は,データとドメイン知識の2つの情報源を考慮し,特徴選択のプロセスを強化する。
標準的な機能セレクタとの比較では、UBayFSは競争力のあるパフォーマンスを実現し、ドメイン知識を組み込むための柔軟性を提供する。
論文 参考訳(メタデータ) (2021-04-30T06:51:33Z) - Verifying Probabilistic Specifications with Functional Lagrangians [47.81366702121604]
機能的ラグランジュ乗算器を用いてニューラルネットワークの入出力仕様を検証するためのフレームワークを提案する。
機能乗算器の十分に柔軟なクラスが選択されると、フレームワークは確実に厳密な検証につながることを示す。
論文 参考訳(メタデータ) (2021-02-18T17:00:40Z) - Adversarial Monte Carlo Meta-Learning of Optimal Prediction Procedures [0.0]
2人プレイゲームにおける最適戦略の探索として,予測手順のメタラーニングを行う。
このゲームでは、Natureは特徴と関連する結果からなるラベル付きデータを生成する事前のオーバーパラメトリック分布を選択する。
予測器の目的は、新しい特徴から関連する結果の見積にマップする関数を学習することである。
論文 参考訳(メタデータ) (2020-02-26T03:16:05Z) - Gated Path Selection Network for Semantic Segmentation [72.44994579325822]
我々は,適応的な受容場を学習することを目的とした,GPSNetという新しいネットワークを開発した。
GPSNetにおいて、我々はまず2次元のマルチスケールネットワーク、SuperNetを設計する。
望ましいセマンティックコンテキストを動的に選択するために、ゲート予測モジュールがさらに導入される。
論文 参考訳(メタデータ) (2020-01-19T12:32:17Z) - CatBoostLSS -- An extension of CatBoost to probabilistic forecasting [91.3755431537592]
本稿では,不可変応答変数の条件分布全体を予測する新しいフレームワークを提案する。
CatBoostLSSは条件平均のみではなくパラメトリック分布のすべてのモーメントをモデル化する。
提案手法の利点を実証するシミュレーション研究と実世界の実例を共に提示する。
論文 参考訳(メタデータ) (2020-01-04T15:42:44Z)
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。