論文の概要: Enhancing Predictive Accuracy in Pharmaceutical Sales Through An Ensemble Kernel Gaussian Process Regression Approach

• arxiv url: http://arxiv.org/abs/2404.19669v1
• Date: Mon, 15 Apr 2024 00:25:10 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-05 17:54:32.193662
• Title: Enhancing Predictive Accuracy in Pharmaceutical Sales Through An Ensemble Kernel Gaussian Process Regression Approach
• Title（参考訳）: アンサンブルカーネルガウスプロセス回帰アプローチによる製薬販売の予測精度向上
• Authors: Shahin Mirshekari, Mohammadreza Moradi, Hossein Jafari, Mehdi Jafari, Mohammad Ensaf,
• Abstract要約: 本研究は、Gaussian Process Regression (GPR) とアンサンブルカーネルを用いて、医薬品販売データを分析する。 アンサンブルカーネルは予測精度において優れた性能を示し、(R2)スコアを1.0付近で達成し、平均二乗誤差(MSE)、平均絶対誤差(MAE)、ルート平均二乗誤差(RMSE)において有意に低い値を示した。 これらの結果は、複雑な医薬品販売データセットの予測分析におけるGPRのアンサンブルカーネルの有効性を浮き彫りにした。
• 参考スコア（独自算出の注目度）: 0.20971479389679337
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This research employs Gaussian Process Regression (GPR) with an ensemble kernel, integrating Exponential Squared, Revised Mat\'ern, and Rational Quadratic kernels to analyze pharmaceutical sales data. Bayesian optimization was used to identify optimal kernel weights: 0.76 for Exponential Squared, 0.21 for Revised Mat\'ern, and 0.13 for Rational Quadratic. The ensemble kernel demonstrated superior performance in predictive accuracy, achieving an \( R^2 \) score near 1.0, and significantly lower values in Mean Squared Error (MSE), Mean Absolute Error (MAE), and Root Mean Squared Error (RMSE). These findings highlight the efficacy of ensemble kernels in GPR for predictive analytics in complex pharmaceutical sales datasets.
• Abstract（参考訳）: 本研究は,ガウスプロセス回帰(GPR)とアンサンブルカーネルを併用し,医薬品販売データを解析するためにExponential Squared,Revised Mat\'ern,Rational Quadraticカーネルを統合する。 ベイズ最適化(Bayesian optimization)は、Exponential Squaredの0.76、Revised Mat\'ernの0.21、Rational Quadraticの0.13の最適化に使われた。 アンサンブルカーネルは予測精度において優れた性能を示し, 平均正方形誤差 (MSE), 平均正方形誤差 (MAE), ルート平均正方形誤差 (RMSE) は有意に低い値を示した。 これらの結果は、複雑な医薬品販売データセットの予測分析におけるGPRのアンサンブルカーネルの有効性を浮き彫りにした。

関連論文リスト

• Integrating Marketing Channels into Quantile Transformation and Bayesian Optimization of Ensemble Kernels for Sales Prediction with Gaussian Process Models [0.0]
  本研究では,Rational Basis Function (RBF), Rational Quadratic, Mat'ern kernelsを統合したアンサンブルカーネルを用いた革新的なガウスプロセス(GP)モデルを提案する。 ベイズ最適化を適用することで、各カーネルの最適な重み付けを効率的に見つけることができ、複雑な販売データパターンを扱うモデルの能力を高めることができる。 我々のアプローチは従来のGPモデルよりも優れており、Mean Squared Error (MSE)、Mean Absolute Error (MAE)、Root Mean Squared Error (RMSE)、Coefficient of determined (R2)といった主要な指標に対して98%の精度と優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2024-04-15T00:11:01Z)
• Gaussian Process Regression under Computational and Epistemic Misspecification [4.5656369638728656]
  大規模データアプリケーションでは、カーネルの低ランクあるいはスパース近似を用いて計算コストを削減できる。 本稿では,そのようなカーネル近似が要素誤差に与える影響について検討する。
  論文  参考訳（メタデータ） (2023-12-14T18:53:32Z)
• Stochastic Marginal Likelihood Gradients using Neural Tangent Kernels [78.6096486885658]
  線形化されたラプラス近似に下界を導入する。 これらの境界は漸進的な最適化が可能であり、推定精度と計算複雑性とのトレードオフを可能にする。
  論文  参考訳（メタデータ） (2023-06-06T19:02:57Z)
• Optimization of Annealed Importance Sampling Hyperparameters [77.34726150561087]
  Annealed Importance Smpling (AIS) は、深層生成モデルの難易度を推定するために使われる一般的なアルゴリズムである。 本稿では、フレキシブルな中間分布を持つパラメータAISプロセスを提案し、サンプリングに少ないステップを使用するようにブリッジング分布を最適化する。 我々は, 最適化AISの性能評価を行い, 深部生成モデルの限界推定を行い, 他の推定値と比較した。
  論文  参考訳（メタデータ） (2022-09-27T07:58:25Z)
• 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)
• Improved Convergence Rates for Sparse Approximation Methods in Kernel-Based Learning [48.08663378234329]
  カーネル・リッジ・レグレッションやガウシアン・プロセスのようなカーネル・ベース・モデルは機械学習の応用においてユビキタスである。 既存のスパース近似法は計算コストを大幅に削減することができる。 我々は,Nystr"om法と疎変動ガウス過程近似法に対して,新しい信頼区間を提供する。
  論文  参考訳（メタデータ） (2022-02-08T17:22:09Z)
• How Good are Low-Rank Approximations in Gaussian Process Regression? [28.392890577684657]
  2つの共通低ランクカーネル近似による近似ガウス過程(GP)回帰の保証を提供する。 理論境界の有効性を評価するため,シミュレーションデータと標準ベンチマークの両方について実験を行った。
  論文  参考訳（メタデータ） (2021-12-13T04:04:08Z)
• Reducing the Variance of Gaussian Process Hyperparameter Optimization with Preconditioning [54.01682318834995]
  プレコンディショニングは、行列ベクトル乗算を含む反復的な方法にとって非常に効果的なステップである。 プレコンディショニングには、これまで検討されていなかった付加的なメリットがあることを実証する。 基本的に無視可能なコストで、同時に分散を低減することができる。
  論文  参考訳（メタデータ） (2021-07-01T06:43:11Z)
• How Good are Low-Rank Approximations in Gaussian Process Regression? [24.09582049403961]
  2つの共通低ランクカーネル近似による近似ガウス過程(GP)回帰の保証を提供する。 理論境界の有効性を評価するため,シミュレーションデータと標準ベンチマークの両方について実験を行った。
  論文  参考訳（メタデータ） (2020-04-03T14:15:10Z)
• SLEIPNIR: Deterministic and Provably Accurate Feature Expansion for Gaussian Process Regression with Derivatives [86.01677297601624]
  本稿では,2次フーリエ特徴に基づく導関数によるGP回帰のスケーリング手法を提案する。 我々は、近似されたカーネルと近似された後部の両方に適用される決定論的、非漸近的、指数関数的に高速な崩壊誤差境界を証明した。
  論文  参考訳（メタデータ） (2020-03-05T14:33:20Z)
• Kernel Selection for Modal Linear Regression: Optimal Kernel and IRLS Algorithm [8.571896191090744]
  MLRパラメータの平均二乗誤差を最小化するという意味では,Biweightカーネルが最適であることを示す。 第2に、アルゴリズムを反復的に再重み付けした最小二乗アルゴリズム(IRLS)が収束することを保証したカーネルクラスを提供する。
  論文  参考訳（メタデータ） (2020-01-30T03:57:07Z)

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。