論文の概要: Representatividad Muestral en la Incertidumbre Simétrica Multivariada para la Selección de Atributos

• arxiv url: http://arxiv.org/abs/2403.18685v1
• Date: Wed, 27 Mar 2024 15:29:08 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-28 16:19:17.948205
• Title: Representatividad Muestral en la Incertidumbre Simétrica Multivariada para la Selección de Atributos
• Title（参考訳）: Atributos における多品種多種多種多種間共生の表現
• Authors: Gustavo Sosa-Cabrera,
• Abstract要約: 統計的シミュレーション手法を用いて,多変量対称不確かさ(MSU)測定の挙動を解析した。 実験では、属性の数、濃度、サンプルサイズがMSUにどのように影響するかが示されている。 これら3つの要因の異なる組み合わせで, MSUの良質な品質を維持する条件を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we analyze the behavior of the multivariate symmetric uncertainty (MSU) measure through the use of statistical simulation techniques under various mixes of informative and non-informative randomly generated features. Experiments show how the number of attributes, their cardinalities, and the sample size affect the MSU. In this thesis, through observation of results, it is proposed an heuristic condition that preserves good quality in the MSU under different combinations of these three factors, providing a new useful criterion to help drive the process of dimension reduction. -- En el presente trabajo hemos analizado el comportamiento de una versi\'on multivariada de la incertidumbre sim\'etrica a trav\'es de t\'ecnicas de simulaci\'on estad\'isticas sobre varias combinaciones de atributos informativos y no-informativos generados de forma aleatoria. Los experimentos muestran como el n\'umero de atributos, sus cardinalidades y el tama\~no muestral afectan al MSU como medida. En esta tesis, mediante la observaci\'on de resultados hemos propuesto una condici\'on que preserva una buena calidad en el MSU bajo diferentes combinaciones de los tres factores mencionados, lo cual provee un nuevo y valioso criterio para llevar a cabo el proceso de reducci\'on de dimensionalidad.
• Abstract（参考訳）: 本研究では,多変量対称不確実性(MSU)測定の振る舞いを,情報的および非情報的ランダムな特徴の混合による統計的シミュレーション手法を用いて解析する。 実験では、属性の数、濃度、サンプルサイズがMSUにどのように影響するかが示されている。 本論では, 結果の観察を通じて, これらの3つの要因の異なる組み合わせで, MSUの良好な品質を保ったヒューリスティックな条件を提案し, 次元減少の過程を推し進めるための新しい有用な基準を提供する。 t'ecnicas de simulaci\'on estad\'isticas sobre varias combinaciones de atributos informativos y no-informativos generados de forma aleatoria. t'ecnicas de simulaci\'on estad\'isticas sobre varias combinaciones de atributos informativos y no-informativos generados de forma aleatoria。 MSU como medida, sus cardinalidades y el tama\~no muestral afectan al MSU como medida。 Esta tesis, centralte la observaci\'on de resultados hemos propuesto una condici\'on que preserva una buena calidad en el MSU bajo diferentes combinaciones de los tres factores mencionados, lo cual provee un nuevo y valioso criterio para llevar a cabo el proceso de reducci\'on de dimensionalidad。

関連論文リスト

• Contributing Dimension Structure of Deep Feature for Coreset Selection [26.759457501199822]
  Coreset selectionは、効率的な学習のための重要なトレーニングサンプルのサブセットを選択することを目指している。 サンプル選択は、パフォーマンス向上におけるサンプルの表現と、オーバーフィッティングを回避するためのサンプルの多様性の役割である。 既存の手法は典型的には類似度の測定値に基づいてデータの表現と多様性を計測する。
  論文  参考訳（メタデータ） (2024-01-29T14:47:26Z)
• Metric Space Magnitude for Evaluating the Diversity of Latent Representations [13.272500655475486]
  我々は,潜伏表現の内在的多様性の等級に基づく尺度群を開発する。 我々の測度はデータの摂動下で確実に安定しており、効率的に計算でき、厳密なマルチスケールのキャラクタリゼーションと潜在表現の比較を可能にする。 i) 多様性の自動推定, (ii) モード崩壊の検出, (iii) テキスト, 画像, グラフデータの生成モデルの評価など, さまざまな領域やタスクにおけるそれらの実用性と優れた性能を示す。
  論文  参考訳（メタデータ） (2023-11-27T18:19:07Z)
• On the Properties and Estimation of Pointwise Mutual Information Profiles [49.877314063833296]
  ポイントワイド相互情報プロファイル(ポイントワイド相互情報プロファイル、英: pointwise mutual information profile)は、与えられた確率変数のペアに対するポイントワイド相互情報の分布である。 そこで我々は,モンテカルロ法を用いて分布を正確に推定できる新しい分布系 Bend と Mix Models を導入する。
  論文  参考訳（メタデータ） (2023-10-16T10:02:24Z)
• Diffeomorphic Information Neural Estimation [2.566492438263125]
  Mutual Information (MI) と Conditional Mutual Information (CMI) は情報理論の多目的ツールである。 DINE (Diffomorphic Information Neural Estorimator) は連続確率変数のCMIを推定するための新しい手法である。 興味のある変数は、より単純な分布に従う適切なサロゲートに置き換えることができることを示す。
  論文  参考訳（メタデータ） (2022-11-20T03:03:56Z)
• Measuring Statistical Dependencies via Maximum Norm and Characteristic Functions [0.0]
  本稿では, 連接関数と積対角特性関数の差の最大ノルムに基づく統計的依存度尺度を提案する。 提案手法は、2つの異なる次元のランダムベクトル間の任意の統計的依存を検出することができる。 シミュレーションデータと実データの両方を用いて実験を行う。
  論文  参考訳（メタデータ） (2022-08-16T20:24:31Z)
• Reenvisioning Collaborative Filtering vs Matrix Factorization [65.74881520196762]
  近年,行列因数分解に基づく協調フィルタリングモデルや,ニューラルネットワーク(ANN)を用いた類似性の学習が注目されている。 推薦エコシステム内でのANNの発表が最近疑問視され、効率性と有効性に関していくつかの比較がなされている。 本研究では,これらの手法が相補的評価次元に与える影響を解析しながら,超精度評価にもたらす可能性を示す。
  論文  参考訳（メタデータ） (2021-07-28T16:29:38Z)
• A Statistical Analysis of Summarization Evaluation Metrics using Resampling Methods [60.04142561088524]
  信頼区間は比較的広く,信頼性の高い自動測定値の信頼性に高い不確実性を示す。 多くのメトリクスはROUGEよりも統計的改善を示していないが、QAEvalとBERTScoreという2つの最近の研究は、いくつかの評価設定で行われている。
  論文  参考訳（メタデータ） (2021-03-31T18:28:14Z)
• How Faithful is your Synthetic Data? Sample-level Metrics for Evaluating and Auditing Generative Models [95.8037674226622]
  ドメインに依存しない方法で生成モデルの忠実度,多様性,一般化性能を特徴付ける3次元評価指標を提案する。 当社のメトリクスは、精度リコール分析により統計的発散測定を統合し、モデル忠実度と多様性のサンプルおよび分布レベルの診断を可能にします。
  論文  参考訳（メタデータ） (2021-02-17T18:25:30Z)
• Neural Methods for Point-wise Dependency Estimation [129.93860669802046]
  我々は,2つの結果が共起する確率を定量的に測定する点依存度(PD)の推定に焦点をあてる。 提案手法の有効性を,1)MI推定,2)自己教師付き表現学習,3)クロスモーダル検索タスクで示す。
  論文  参考訳（メタデータ） (2020-06-09T23:26:15Z)
• On conditional versus marginal bias in multi-armed bandits [105.07190334523304]
  多腕バンディットにおける腕のサンプル平均のバイアスは、適応データ解析において重要な問題である。 サンプル平均を含む報酬の単調関数の条件バイアスの兆候を特徴付ける。 我々の結果は任意の条件付けイベントを保ち、データ収集ポリシーの自然な単調性特性を活用する。
  論文  参考訳（メタデータ） (2020-02-19T20:16:10Z)
• TCMI: a non-parametric mutual-dependence estimator for multivariate continuous distributions [0.0]
  総累積相互情報(TCMI)は相互依存の関連性の尺度である。 TCMIは、特徴集合の比較とランキングを容易にする非パラメトリックで堅牢で決定論的尺度である。
  論文  参考訳（メタデータ） (2020-01-30T08:42:25Z)

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。