論文の概要: The R package psvmSDR: A Unified Algorithm for Sufficient Dimension Reduction via Principal Machines
- arxiv url: http://arxiv.org/abs/2409.01547v1
- Date: Tue, 3 Sep 2024 02:34:42 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-06 03:21:06.670511
- Title: The R package psvmSDR: A Unified Algorithm for Sufficient Dimension Reduction via Principal Machines
- Title(参考訳): RパッケージpsvmSDR:主機による十分次元削減のための統一アルゴリズム
- Authors: Jungmin Shin, Seung Jun Shin, Andrea Artemiou,
- Abstract要約: 我々は、主サポートベクトルマシン(PSVM)から一般化された主マシン(PM)と呼ぶ新しいSDR推定器のクラスを提案する。
このパッケージは線形SDRと非線形SDRの両方をカバーし、リアルタイム更新シナリオに適用可能な機能を提供する。
- 参考スコア(独自算出の注目度): 1.6795461001108096
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Sufficient dimension reduction (SDR), which seeks a lower-dimensional subspace of the predictors containing regression or classification information has been popular in a machine learning community. In this work, we present a new R software package psvmSDR that implements a new class of SDR estimators, which we call the principal machine (PM) generalized from the principal support vector machine (PSVM). The package covers both linear and nonlinear SDR and provides a function applicable to realtime update scenarios. The package implements the descent algorithm for the PMs to efficiently compute the SDR estimators in various situations. This easy-to-use package will be an attractive alternative to the dr R package that implements classical SDR methods.
- Abstract(参考訳): 回帰情報や分類情報を含む予測器の低次元部分空間を求めるSDR(Sufficient dimension reduction)は、機械学習コミュニティで人気がある。
本稿では,主サポートベクトルマシン(PSVM)から一般化された主マシン(PM)と呼ぶ新しいSDR推定器のクラスを実装した新しいRソフトウェアパッケージpsvmSDRを提案する。
このパッケージは線形SDRと非線形SDRの両方をカバーし、リアルタイム更新シナリオに適用可能な機能を提供する。
パッケージは、PMが様々な状況でSDR推定器を効率的に計算するための降下アルゴリズムを実装している。
この使い勝手の良いパッケージは、古典的なSDRメソッドを実装したDr Rパッケージの魅力的な代替となるだろう。
関連論文リスト
- CORE: Common Random Reconstruction for Distributed Optimization with
Provable Low Communication Complexity [110.50364486645852]
コミュニケーションの複雑さは、トレーニングをスピードアップし、マシン番号をスケールアップする上で、大きなボトルネックになっています。
本稿では,機械間で送信される情報を圧縮するための共通Om REOmを提案する。
論文 参考訳(メタデータ) (2023-09-23T08:45:27Z) - Consensus-Adaptive RANSAC [104.87576373187426]
本稿では,パラメータ空間の探索を学習する新しいRANSACフレームワークを提案する。
注意機構は、ポイント・ツー・モデル残差のバッチで動作し、軽量のワンステップ・トランスフォーマーで見いだされたコンセンサスを考慮するために、ポイント・ツー・モデル推定状態を更新する。
論文 参考訳(メタデータ) (2023-07-26T08:25:46Z) - Nearly Minimax Optimal Reinforcement Learning for Linear Markov Decision
Processes [80.89852729380425]
そこで本研究では,最小限の最小残差である$tilde O(dsqrtH3K)$を計算効率よく実現したアルゴリズムを提案する。
我々の研究は線形 MDP を用いた最適 RL に対する完全な答えを提供する。
論文 参考訳(メタデータ) (2022-12-12T18:58:59Z) - Data Dimension Reduction makes ML Algorithms efficient [7.1448956468996245]
本稿では,事前処理がアルゴリズムを高速化するだけでなく,教師なし学習と教師なし学習の精度を向上させることを実証する。
本実験は,教師なし学習と教師なし学習の両方において,前処理後の精度と時間短縮が大幅に向上していることを示す。
論文 参考訳(メタデータ) (2022-11-17T07:56:58Z) - Sufficient Dimension Reduction for High-Dimensional Regression and
Low-Dimensional Embedding: Tutorial and Survey [5.967999555890417]
本論文は,SDRのための各種手法に関するチュートリアルおよび調査論文である。
本稿では,これらの手法を,統計的高次元回帰的視点と,次元削減のための機械学習アプローチの両方でカバーする。
論文 参考訳(メタデータ) (2021-10-18T21:05:08Z) - Dimension Reduction and Data Visualization for Fr\'echet Regression [8.713190936209156]
Fr'echet回帰モデルは、計量空間値応答を用いた回帰分析のための有望なフレームワークを提供する。
本研究では,Fr'echet回帰のためのフレキシブルな十分次元縮小法(SDR)を導入し,二つの目的を達成した。
論文 参考訳(メタデータ) (2021-10-01T15:01:32Z) - SreaMRAK a Streaming Multi-Resolution Adaptive Kernel Algorithm [60.61943386819384]
既存のKRRの実装では、すべてのデータがメインメモリに格納される必要がある。
KRRのストリーミング版であるStreaMRAKを提案する。
本稿では,2つの合成問題と2重振り子の軌道予測について紹介する。
論文 参考訳(メタデータ) (2021-08-23T21:03:09Z) - Control Variates for Slate Off-Policy Evaluation [112.35528337130118]
多次元動作を伴うバッチ化されたコンテキスト帯域データから政治外評価の問題について検討する。
我々は, PIと自己正規化PIの双方に対して, リスク改善を保証した新しい推定器を得る。
論文 参考訳(メタデータ) (2021-06-15T06:59:53Z) - Lifelong Learning with Sketched Structural Regularization [36.86222424065129]
構造正規化 (SR) は、ネットワークを「臨界パラメータ」を変更することで破滅的な忘れを緩和するアルゴリズムのファミリーを指す。
ほとんどのSR法は、その対角線による重要性行列を粗く近似する。
提案手法は,合成実験とベンチマーク連続学習の両方において,様々なSRアルゴリズムの性能を継続的に向上することを示す。
論文 参考訳(メタデータ) (2021-04-17T18:07:23Z) - Rdimtools: An R package for Dimension Reduction and Intrinsic Dimension
Estimation [0.0]
Rdimtools は 133 Dimension Reduction (DR) と 17 Intrinsic Dimension Estimation (IDE) アルゴリズムをサポートする R パッケージである。
RdimtoolsはMITライセンス下で配布されており、CRAN、GitHub、およびパッケージWebサイトからアクセスできる。
論文 参考訳(メタデータ) (2020-05-22T11:06:43Z) - A Generic Network Compression Framework for Sequential Recommender
Systems [71.81962915192022]
シークエンシャルレコメンデーションシステム(SRS)は,ユーザの動的関心を捉え,高品質なレコメンデーションを生成する上で重要な技術となっている。
CpRecと呼ばれる圧縮されたシーケンシャルレコメンデーションフレームワークを提案する。
大規模なアブレーション研究により、提案したCpRecは実世界のSRSデータセットにおいて最大4$sim$8倍の圧縮速度を達成できることを示した。
論文 参考訳(メタデータ) (2020-04-21T08:40:55Z)
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。