Fugu-MT 論文翻訳(概要): Fréchet regression for multi-label feature selection with implicit regularization

論文の概要: Fréchet regression for multi-label feature selection with implicit regularization

arxiv url: http://arxiv.org/abs/2412.18247v1
Date: Tue, 24 Dec 2024 08:02:28 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-25 15:56:56.206900
Title: Fréchet regression for multi-label feature selection with implicit regularization
Title（参考訳）: 暗黙正則化を用いた複数ラベル特徴選択のためのフレシェ回帰
Authors: Dou El Kefel Mansouri, Seif-Eddine Benkabou, Khalid Benabdeslem,
Abstract要約: 従来の明示的正規化手法の代わりに暗黙的正規化を用いる新しい変数選択法を提案する。提案手法は,モデル間隔を推し進めながら,述語トレーサと応答の非線形相互作用を効果的に捕捉する。
参考スコア（独自算出の注目度）: 1.5771347525430772
License:
Abstract: Fr\'echet regression extends linear regression to model complex responses in metric spaces, making it particularly relevant for multi-label regression, where each instance can have multiple associated labels. However, variable selection within this framework remains underexplored. In this paper, we pro pose a novel variable selection method that employs implicit regularization instead of traditional explicit regularization approaches, which can introduce bias. Our method effectively captures nonlinear interactions between predic tors and responses while promoting model sparsity. We provide theoretical results demonstrating selection consistency and illustrate the performance of our approach through numerical examples
Abstract（参考訳）: Fr'echet回帰は、距離空間における複素応答をモデル化するために線形回帰を拡張し、各インスタンスが複数の関連ラベルを持つような多重ラベル回帰に特に関係している。しかし、このフレームワーク内での変数の選択は未定のままである。本稿では,従来の明示的正規化手法の代わりに暗黙的正規化を用いた新しい変数選択法を提案する。提案手法は,モデル間隔を推し進めながら,述語トレーサと応答の非線形相互作用を効果的に捕捉する。選択整合性を示す理論的結果を提供し、数値例によるアプローチの性能を示す。

関連論文リスト

GeneralizeFormer: Layer-Adaptive Model Generation across Test-Time Distribution Shifts [58.95913531746308]
テスト時間領域の一般化の問題は、モデルが複数のソースドメインで訓練され、トレーニング中に見たことのないターゲットドメインで調整される場合である。 textitGeneralizeFormer と呼ばれる軽量メタ学習変換器を用いて,推論中に複数の層パラメータを生成することを提案する。
論文参考訳（メタデータ） (2025-02-15T10:10:49Z)
Variational empirical Bayes variable selection in high-dimensional logistic regression [2.4032899110671955]
我々は,その新しい,計算効率の良い変分近似を開発した。そのようなノベルティの1つは、回帰係数自身ではなく、モデル空間上の辺分布に対してこの近似を直接発展させることである。シミュレーションにおいて,本手法の強い性能を実証し,我々の変分近似が近似している後部分布で満たされる強い選択整合性を引き継ぐことを証明した。
論文参考訳（メタデータ） (2025-02-14T19:57:13Z)
Adaptive Collaborative Correlation Learning-based Semi-Supervised Multi-Label Feature Selection [25.195711274756334]
適応的協調相関 lEarning-based Semi-Supervised Multi-label Feature Selection (Access-MFS) 法を提案する。具体的には、拡張された非相関制約を備えた一般化回帰モデルを導入し、識別的かつ無関係な特徴を選択する。相関インスタンスとラベル相関を提案回帰モデルに統合し,サンプル類似度グラフとラベル類似度グラフの両方を適応的に学習する。
論文参考訳（メタデータ） (2024-06-18T01:47:38Z)
Selective Nonparametric Regression via Testing [54.20569354303575]
本研究では,所定の点における条件分散の値に関する仮説を検証し,留置手順を開発する。既存の手法とは異なり、提案手法は分散自体の値だけでなく、対応する分散予測器の不確実性についても考慮することができる。
論文参考訳（メタデータ） (2023-09-28T13:04:11Z)
Correcting for Selection Bias and Missing Response in Regression using Privileged Information [1.5049442691806052]
本稿では,Privilegedly Missing at Random(PMAR)に適した繰り返し回帰法を提案する。提案手法の性能をシミュレーション実験により実証的に評価し,実世界のデータセットを合成的に拡張した。
論文参考訳（メタデータ） (2023-03-29T15:42:17Z)
Flexible variable selection in the presence of missing data [0.0]
本稿では,非パラメトリックな変数選択アルゴリズムと多重計算を組み合わせることで,非ランダムなデータが存在する場合のフレキシブルなパネルの開発を行う。提案手法の動作特性は良好であり,より高い分類性能と可変選択性能を有するパネルが得られた。
論文参考訳（メタデータ） (2022-02-25T21:41:03Z)
Machine Learning for Multi-Output Regression: When should a holistic multivariate approach be preferred over separate univariate ones? [62.997667081978825]
ランダムフォレストのような木に基づくアンサンブルは、統計学の手法の中で近代的な古典である。これらの手法を広範囲なシミュレーションで比較し,多変量アンサンブル技術を用いた場合の主問題に答える。
論文参考訳（メタデータ） (2022-01-14T08:44:25Z)
Time varying regression with hidden linear dynamics [74.9914602730208]
線形力学系に従って未知のパラメータが進化することを前提とした時間変化線形回帰モデルを再検討する。反対に、基礎となる力学が安定である場合、このモデルのパラメータは2つの通常の最小二乗推定と組み合わせることで、データから推定できることが示される。
論文参考訳（メタデータ） (2021-12-29T23:37:06Z)
Causally-motivated Shortcut Removal Using Auxiliary Labels [63.686580185674195]
このようなリスク不変予測器の学習に重要な課題はショートカット学習である。この課題に対処するために、フレキシブルで因果的なアプローチを提案する。この因果的動機付けされた正規化スキームが堅牢な予測子を生み出すことを理論的および実証的に示す。
論文参考訳（メタデータ） (2021-05-13T16:58:45Z)
Nonlinear Independent Component Analysis for Continuous-Time Signals [85.59763606620938]
このプロセスの混合物の観察から多次元音源過程を復元する古典的問題を考察する。このリカバリは、この混合物が十分に微分可能で可逆な関数によって与えられる場合、多くの一般的なプロセスのモデル(座標の順序と単調スケーリングまで)に対して可能であることを示す。
論文参考訳（メタデータ） (2021-02-04T20:28:44Z)
Reduced-Rank Tensor-on-Tensor Regression and Tensor-variate Analysis of Variance [11.193504036335503]
このような構造を利用するために古典的多変量回帰モデルを拡張する。ブロックリラクシエーションアルゴリズムにより最大ラピエーション推定器を得る。別々のアプリケーションがWildイメージデータベースのラベル付き顔に3方向のTANOVAを実行する。
論文参考訳（メタデータ） (2020-12-18T14:04:41Z)

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。