論文の概要: An integrated perspective of robustness in regression through the lens of the bias-variance trade-off
- arxiv url: http://arxiv.org/abs/2407.10418v1
- Date: Mon, 15 Jul 2024 03:47:16 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-16 16:20:45.775397
- Title: An integrated perspective of robustness in regression through the lens of the bias-variance trade-off
- Title(参考訳): 偏差トレードオフレンズによるレグレッションにおけるロバストネスの総合的視点
- Authors: Akifumi Okuno,
- Abstract要約: 本稿では, 従来の外乱耐性の頑健な推定と, 仮想データセットの摂動に抵抗するパラメータ推定に焦点をあてる頑健な最適化の関係について検討する。
どちらも堅牢な方法とみなされるが、これらの概念はバイアス分散トレードオフを示し、大まかに逆戦略に従うことを示している。
- 参考スコア(独自算出の注目度): 3.0277213703725767
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents an integrated perspective on robustness in regression. Specifically, we examine the relationship between traditional outlier-resistant robust estimation and robust optimization, which focuses on parameter estimation resistant to imaginary dataset-perturbations. While both are commonly regarded as robust methods, these concepts demonstrate a bias-variance trade-off, indicating that they follow roughly converse strategies.
- Abstract(参考訳): 本稿では,レグレッションにおけるロバスト性に関する総合的な視点を示す。
具体的には、従来の外乱耐性の頑健な推定と、虚構的データセットの摂動に抵抗するパラメータ推定に焦点を当てた頑健な最適化の関係について検討する。
どちらも堅牢な方法とみなされるが、これらの概念はバイアス分散トレードオフを示し、大まかに逆戦略に従うことを示している。
関連論文リスト
- Generalization Certificates for Adversarially Robust Bayesian Linear Regression [16.3368950151084]
機械学習モデルの逆ロバスト性は、データ摂動下での信頼性の高い性能を保証するために重要である。
近年, 点推定器の進歩が見られ, 分布予測器について考察する。
実および合成データセットの実験は、ベイズ後部の逆向きに頑健な後部の優れた強靭性を示す。
論文 参考訳(メタデータ) (2025-02-20T06:25:30Z) - ACCon: Angle-Compensated Contrastive Regularizer for Deep Regression [28.491074229136014]
ディープレグレッションでは、特徴空間における連続ラベル間の関係を捉えることが、関心の高まりを惹きつけている根本的な課題である。
既存のアプローチは、しばしばオーダーアウェアな表現学習や距離に基づく重み付けに依存している。
本研究では, アンカーと負のサンプル間のコサイン距離を補正する, 深部回帰のための角度補償型コントラスト正規化器を提案する。
論文 参考訳(メタデータ) (2025-01-13T03:55:59Z) - Debiased Nonparametric Regression for Statistical Inference and Distributionally Robustness [10.470114319701576]
我々は、任意の非パラメトリック回帰手法から導かれる滑らかな非パラメトリック推定器に対するモデルフリーデバイアス法を提案する。
点方向の正規性と一様収束性を証明した偏バイアス推定器を得る。
論文 参考訳(メタデータ) (2024-12-28T15:01:19Z) - Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。
提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。
複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
論文 参考訳(メタデータ) (2023-06-09T08:30:51Z) - Errors-in-variables Fr\'echet Regression with Low-rank Covariate
Approximation [2.1756081703276]
Fr'echet回帰は、非ユークリッド応答変数を含む回帰分析のための有望なアプローチとして登場した。
提案手法は,大域的Fr'echet回帰と主成分回帰の概念を組み合わせて,回帰推定器の効率と精度を向上させることを目的とする。
論文 参考訳(メタデータ) (2023-05-16T08:37:54Z) - Robustness and Accuracy Could Be Reconcilable by (Proper) Definition [109.62614226793833]
強靭性と精度のトレードオフは、敵文学において広く研究されている。
局所的不変性の帰納的バイアスを課す不適切に定義された頑健な誤差に由来する可能性がある。
定義上、SCOREは、最悪のケースの不確実性に対処しながら、堅牢性と正確性の間の和解を促進する。
論文 参考訳(メタデータ) (2022-02-21T10:36:09Z) - Trustworthy Multimodal Regression with Mixture of Normal-inverse Gamma
Distributions [91.63716984911278]
このアルゴリズムは、異なるモードの適応的統合の原理における不確かさを効率的に推定し、信頼できる回帰結果を生成する。
実世界のデータと実世界のデータの両方に対する実験結果から,多モード回帰タスクにおける本手法の有効性と信頼性が示された。
論文 参考訳(メタデータ) (2021-11-11T14:28:12Z) - Regularizing Variational Autoencoder with Diversity and Uncertainty
Awareness [61.827054365139645]
変分オートエンコーダ(VAE)は、償却変分推論に基づいて潜伏変数の後部を近似する。
よりディバースで不確実な潜在空間を学習するための代替モデルDU-VAEを提案する。
論文 参考訳(メタデータ) (2021-10-24T07:58:13Z) - Adversarially Robust Estimate and Risk Analysis in Linear Regression [17.931533943788335]
反対に堅牢な学習は、入力変数の小さな反対の摂動に対して堅牢なアルゴリズムを設計することを目指している。
逆ロバストな推定器の収束率を統計的に最小化することで,モデル情報の導入の重要性を強調する。
本研究では, モデル構造情報を活用することで, 素直な2段階の対人学習フレームワークを提案する。
論文 参考訳(メタデータ) (2020-12-18T14:55:55Z) - Trust but Verify: Assigning Prediction Credibility by Counterfactual
Constrained Learning [123.3472310767721]
予測信頼性尺度は統計学と機械学習において基本的なものである。
これらの措置は、実際に使用される多種多様なモデルを考慮に入れるべきである。
この研究で開発されたフレームワークは、リスクフィットのトレードオフとして信頼性を表現している。
論文 参考訳(メタデータ) (2020-11-24T19:52:38Z) - Counterfactual Representation Learning with Balancing Weights [74.67296491574318]
観察データによる因果推論の鍵は、それぞれの治療タイプに関連する予測的特徴のバランスを達成することである。
近年の文献では、この目標を達成するために表現学習を探求している。
因果効果を柔軟かつスケーラブルかつ正確に推定するアルゴリズムを開発した。
論文 参考訳(メタデータ) (2020-10-23T19:06:03Z)
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。