論文の概要: FAB-PPI: Frequentist, Assisted by Bayes, Prediction-Powered Inference
- arxiv url: http://arxiv.org/abs/2502.02363v1
- Date: Tue, 04 Feb 2025 14:46:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-05 15:03:52.312625
- Title: FAB-PPI: Frequentist, Assisted by Bayes, Prediction-Powered Inference
- Title(参考訳): FAB-PPI:周波数、ベイズ支援、予測パワー推論
- Authors: Stefano Cortinovis, François Caron,
- Abstract要約: 予測駆動推論(PPI)は、実験データと機械学習予測を組み合わせることで、有効な統計的推測を可能にする。
本稿では,予測の質について事前の知識でPPIフレームワークに通知することを提案する。
その結果,ベイズ支援型PPI(FAB-PPI)は,観測された予測品質が従来よりも低い場合にPPIよりも改善されることがわかった。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: Prediction-powered inference (PPI) enables valid statistical inference by combining experimental data with machine learning predictions. When a sufficient number of high-quality predictions is available, PPI results in more accurate estimates and tighter confidence intervals than traditional methods. In this paper, we propose to inform the PPI framework with prior knowledge on the quality of the predictions. The resulting method, which we call frequentist, assisted by Bayes, PPI (FAB-PPI), improves over PPI when the observed prediction quality is likely under the prior, while maintaining its frequentist guarantees. Furthermore, when using heavy-tailed priors, FAB-PPI adaptively reverts to standard PPI in low prior probability regions. We demonstrate the benefits of FAB-PPI in real and synthetic examples.
- Abstract(参考訳): 予測駆動推論(PPI)は、実験データと機械学習予測を組み合わせることで、有効な統計的推測を可能にする。
十分な数の高品質な予測が得られれば、PPIは従来の手法よりも正確な推定と厳密な信頼区間をもたらす。
本稿では,予測の質に関する事前知識でPPIフレームワークに情報を伝えることを提案する。
その結果,ベイズ支援PPI(FAB-PPI)は,観測された予測品質が従来よりも低い場合にPPIよりも改善され,頻繁な保証が維持されることがわかった。
さらに、重み付き先行値を使用する場合、FAB-PPIは低い事前確率領域の標準PPIに適応的に回帰する。
FAB-PPIの利点を実例と合成例で示す。
関連論文リスト
- Prediction-Powered Adaptive Shrinkage Estimation [0.9208007322096532]
予測パワー適応収縮(英: Prediction-Powered Adaptive Shrinkage、PAS)は、PPIを実証的なベイズ収縮で橋渡しし、複数の手段の推定を改善する手法である。
PASはML予測の信頼性に適応し、大規模アプリケーションにおいて従来のベースラインと現代的なベースラインを上回っている。
論文 参考訳(メタデータ) (2025-02-20T00:24:05Z) - Another look at inference after prediction [0.0]
予測ベース(PB)推論は、少量の金標準データとともに、大量の予測を用いた統計的解析に適合するように設計されている。
PB推論の目標は、(i)予測における誤差からのバイアスを緩和し、(ii)金標準データのみを用いて従来の推論と比較して効率を改善することである。
簡単な修正で予測パワー推論(PPI)を調整し,理論的に正当化された効率改善を実現する。
論文 参考訳(メタデータ) (2024-11-29T18:12:50Z) - Stratified Prediction-Powered Inference for Hybrid Language Model Evaluation [62.2436697657307]
予測駆動推論(英: Prediction-powered Inference, PPI)は、人間ラベル付き限られたデータに基づいて統計的推定を改善する手法である。
我々はStratPPI(Stratified Prediction-Powered Inference)という手法を提案する。
単純なデータ階層化戦略を用いることで,基礎的なPPI推定精度を大幅に向上できることを示す。
論文 参考訳(メタデータ) (2024-06-06T17:37:39Z) - Bayesian Prediction-Powered Inference [62.2436697657307]
予測駆動推論(英: Prediction-powered Inference, PPI)は、人間ラベル付き限られたデータに基づいて統計的推定を改善する手法である。
本稿では,ベイズ推定に基づくPPIのためのフレームワークを提案する。
論文 参考訳(メタデータ) (2024-05-09T18:08:58Z) - PPI++: Efficient Prediction-Powered Inference [31.403415618169433]
PPI++: 小さなラベル付きデータセットと、通常より大きな機械学習予測データセットに基づく推定と推測の方法論を提案する。
これらの手法は、利用可能な予測の品質に自動的に適応し、容易に計算可能な信頼セットを得る。
PPI++は予測駆動推論(PPI)に基づいており、同じ問題設定をターゲットとし、計算効率と統計効率を改善している。
論文 参考訳(メタデータ) (2023-11-02T17:59:04Z) - Performative Time-Series Forecasting [71.18553214204978]
我々は,機械学習の観点から,パフォーマンス時系列予測(PeTS)を定式化する。
本稿では,予測分布シフトに対する遅延応答の概念を活用する新しい手法であるFeature Performative-Shifting(FPS)を提案する。
新型コロナウイルスの複数の時系列モデルと交通予報タスクを用いた総合的な実験を行った。
論文 参考訳(メタデータ) (2023-10-09T18:34:29Z) - Prediction-Oriented Bayesian Active Learning [51.426960808684655]
予測情報ゲイン(EPIG)は、パラメータではなく予測空間における情報ゲインを測定する。
EPIGは、さまざまなデータセットやモデルにわたるBALDと比較して、予測パフォーマンスが向上する。
論文 参考訳(メタデータ) (2023-04-17T10:59:57Z) - Sample-Efficient Optimisation with Probabilistic Transformer Surrogates [66.98962321504085]
本稿では,ベイズ最適化における最先端確率変換器の適用可能性について検討する。
トレーニング手順と損失定義から生じる2つの欠点を観察し、ブラックボックス最適化のプロキシとして直接デプロイすることを妨げる。
1)非一様分散点を前処理するBO調整トレーニング,2)予測性能を向上させるために最適な定常点をフィルタする新しい近似後正則整定器トレードオフ精度と入力感度を導入する。
論文 参考訳(メタデータ) (2022-05-27T11:13:17Z) - Probabilistic Gradient Boosting Machines for Large-Scale Probabilistic
Regression [51.770998056563094]
PGBM(Probabilistic Gradient Boosting Machines)は、確率的予測を生成する手法である。
既存の最先端手法と比較してPGBMの利点を実証的に示す。
論文 参考訳(メタデータ) (2021-06-03T08:32:13Z)
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。