Fugu-MT 論文翻訳(概要): Multi-group Learning for Hierarchical Groups

論文の概要: Multi-group Learning for Hierarchical Groups

arxiv url: http://arxiv.org/abs/2402.00258v3
Date: Wed, 12 Jun 2024 12:23:37 GMT
ステータス: 処理完了
システム内更新日: 2024-06-13 23:03:49.477926
Title: Multi-group Learning for Hierarchical Groups
Title（参考訳）: 階層型グループのための多群学習
Authors: Samuel Deng, Daniel Hsu,
Abstract要約: 我々は、多群学習の研究を、群が階層的に構造化される自然の場合にまで拡張する。そこで我々は,ほぼ最適なサンプル量を持つ解釈可能かつ決定論的決定木予測器を出力するアルゴリズムを設計する。
参考スコア（独自算出の注目度）: 12.473780585666768
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The multi-group learning model formalizes the learning scenario in which a single predictor must generalize well on multiple, possibly overlapping subgroups of interest. We extend the study of multi-group learning to the natural case where the groups are hierarchically structured. We design an algorithm for this setting that outputs an interpretable and deterministic decision tree predictor with near-optimal sample complexity. We then conduct an empirical evaluation of our algorithm and find that it achieves attractive generalization properties on real datasets with hierarchical group structure.
Abstract（参考訳）: マルチグループ学習モデルは、単一の予測器が複数の、おそらく重複するサブグループ上でうまく一般化しなければならない学習シナリオを定式化する。我々は、多群学習の研究を、群が階層的に構造化される自然の場合にまで拡張する。そこで我々は,ほぼ最適なサンプル量を持つ解釈可能かつ決定論的決定木予測器を出力するアルゴリズムを設計する。次に,アルゴリズムの実証的な評価を行い,階層的なグループ構造を持つ実データセット上で,魅力的な一般化特性を実現する。

関連論文リスト

Group-wise oracle-efficient algorithms for online multi-group learning [12.664869982542895]
本研究では,オンライン学習者が,集団の系列に対応するサブシーケンスの集合に対して,小さな予測後悔を同時に達成しなければならない学習モデルである,オンライン多群学習の課題について検討する。本稿では, 逆数および逆数変換の設定を含む, 種々の条件下で, サブ線形後悔を伴うオラクル効率のアルゴリズムを設計する。
論文参考訳（メタデータ） (2024-06-07T23:00:02Z)
A structured regression approach for evaluating model performance across intersectional subgroups [53.91682617836498]
分散評価(disaggregated evaluation)は、AIフェアネスアセスメントにおける中心的なタスクであり、AIシステムのさまざまなサブグループ間でのパフォーマンスを測定することを目的としている。非常に小さなサブグループであっても,信頼性の高いシステム性能推定値が得られることを示す。
論文参考訳（メタデータ） (2024-01-26T14:21:45Z)
How Deep Neural Networks Learn Compositional Data: The Random Hierarchy Model [47.617093812158366]
言語と画像の階層構造にインスパイアされた合成タスクのファミリーであるランダム階層モデルを紹介する。深層ネットワークは、等価なグループを交換するために不変な内部表現を開発することでタスクを学習する。この結果から, ネットワークは次元の呪いを克服し, 不変表現を構築できることが示唆された。
論文参考訳（メタデータ） (2023-07-05T09:11:09Z)
Hierarchical clustering with dot products recovers hidden tree structure [53.68551192799585]
本稿では,階層構造の回復に着目した凝集クラスタリングアルゴリズムの新しい視点を提案する。クラスタを最大平均点積でマージし、例えば最小距離やクラスタ内分散でマージしないような、標準的なアルゴリズムの単純な変種を推奨する。このアルゴリズムにより得られた木は、汎用確率的グラフィカルモデルの下で、データ中の生成的階層構造をボナフェイド推定することを示した。
論文参考訳（メタデータ） (2023-05-24T11:05:12Z)
HiPerformer: Hierarchically Permutation-Equivariant Transformer for Time Series Forecasting [56.95572957863576]
本稿では,同じ群を構成する成分間の関係と群間の関係を考察した階層的置換同変モデルを提案する。実世界のデータを用いた実験により,提案手法が既存の最先端手法より優れていることを示す。
論文参考訳（メタデータ） (2023-05-14T05:11:52Z)
Group conditional validity via multi-group learning [5.797821810358083]
本研究では,分布自由な共形予測の問題と群条件妥当性の基準について考察する。既存の方法は、制限的群化構造または分布的仮定の下でそのような保証を達成する。マルチグループ学習と呼ばれる問題に対して,アルゴリズムを活用することにより,個人集団に対する妥当性保証を実現する問題に対する簡易な削減を提案する。
論文参考訳（メタデータ） (2023-03-07T15:51:03Z)
Structurally Diverse Sampling Reduces Spurious Correlations in Semantic Parsing Datasets [51.095144091781734]
本稿では,構造化された出力を持つラベル付きインスタンスプールから,構造的に多様なインスタンス群をサンプリングする新しいアルゴリズムを提案する。提案アルゴリズムは, 合成テンプレート分割だけでなく, 従来のID分割においても, 従来のアルゴリズムよりも競合的に動作することを示す。一般に、多種多様な列車集合は、10組のデータセット分割ペアのうち9組で同じ大きさのランダムな訓練集合よりも優れた一般化をもたらす。
論文参考訳（メタデータ） (2022-03-16T07:41:27Z)
Natural Hierarchical Cluster Analysis by Nearest Neighbors with Near-Linear Time Complexity [0.0]
そこで本研究では,クラスタの自然な階層化を実現する,近接クラスタリングアルゴリズムを提案する。集約的および分割的階層的クラスタリングアルゴリズムとは対照的に,我々のアプローチはアルゴリズムの反復的な動作に依存しない。
論文参考訳（メタデータ） (2022-03-15T16:03:42Z)
Simple and near-optimal algorithms for hidden stratification and multi-group learning [13.337579367787253]
本稿では,多群学習問題に対する解の構造について考察する。学習問題に対して単純でほぼ最適のアルゴリズムを提供する。
論文参考訳（メタデータ） (2021-12-22T19:16:24Z)
Group Heterogeneity Assessment for Multilevel Models [68.95633278540274]
多くのデータセットは固有のマルチレベル構造を含む。この構造を考慮に入れることは、そのようなデータ上で行われた統計分析の正確性と校正にとって重要である。本稿では,データ内のグループ化変数のレベルの違いを効率的に評価するフレキシブルなフレームワークを提案する。
論文参考訳（メタデータ） (2020-05-06T12:42:04Z)

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。