論文の概要: A Survey on Ordinal Regression: Applications, Advances and Prospects
- arxiv url: http://arxiv.org/abs/2503.00952v1
- Date: Sun, 02 Mar 2025 16:10:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-05 19:18:45.351518
- Title: A Survey on Ordinal Regression: Applications, Advances and Prospects
- Title（参考訳）: 常態回帰に関する調査:応用・進歩・展望
- Authors: Jinhong Wang, Jintai Chen, Jian Liu, Dongqi Tang, Danny Z. Chen, Jian Wu,
- Abstract要約: 通常の回帰は、顔の年齢推定、画像美学評価、がんのステージングなど、さまざまな分野の応用に不可欠である。
本調査では,順序回帰の進歩と応用を総合的に検討する。
- 参考スコア（独自算出の注目度）: 22.108785258216837
- License:
- Abstract: Ordinal regression refers to classifying object instances into ordinal categories. Ordinal regression is crucial for applications in various areas like facial age estimation, image aesthetics assessment, and even cancer staging, due to its capability to utilize ordered information effectively. More importantly, it also enhances model interpretation by considering category order, aiding the understanding of data trends and causal relationships. Despite significant recent progress, challenges remain, and further investigation of ordinal regression techniques and applications is essential to guide future research. In this survey, we present a comprehensive examination of advances and applications of ordinal regression. By introducing a systematic taxonomy, we meticulously classify the pertinent techniques and applications into three well-defined categories based on different strategies and objectives: Continuous Space Discretization, Distribution Ordering Learning, and Ambiguous Instance Delving. This categorization enables a structured exploration of diverse insights in ordinal regression problems, providing a framework for a more comprehensive understanding and evaluation of this field and its related applications. To our best knowledge, this is the first systematic survey of ordinal regression, which lays a foundation for future research in this fundamental and generic domain.
- Abstract（参考訳）: 通常の回帰とは、オブジェクトインスタンスを順序カテゴリーに分類することを指す。
通常の回帰は、顔の年齢推定、画像美学評価、がんのステージングなど様々な分野の応用において重要であり、順序付けられた情報を効果的に活用する能力がある。
さらに、カテゴリ順を考慮し、データトレンドと因果関係の理解を支援することにより、モデル解釈を強化する。
近年の進歩にもかかわらず、課題は残っており、今後の研究を導く上では、順序回帰技術や応用のさらなる研究が不可欠である。
本調査では,順序回帰の進歩と応用を総合的に検討する。
系統的な分類を導入することによって、関連する技術とアプリケーションを、連続的な空間の離散化、分散順序付け学習、曖昧なインスタンスの発見という3つの戦略と目的に基づいて、明確に3つの明確に定義されたカテゴリに分類する。
この分類は、順序回帰問題における多様な洞察の構造化された探索を可能にし、この分野とその関連アプリケーションに対するより包括的な理解と評価のためのフレームワークを提供する。
私たちの知る限りでは、これは順序回帰に関する最初の体系的な調査であり、この基本的で汎用的な領域における将来の研究の基盤となる。
関連論文リスト
- Out-of-Distribution Detection on Graphs: A Survey [58.47395497985277]
グラフアウト・オブ・ディストリビューション(GOOD)検出は、トレーニング中に見られる分布から逸脱するグラフデータを特定することに焦点を当てる。
既存の手法を,拡張ベース,再構築ベース,情報伝達ベース,分類ベースという4つのタイプに分類する。
本稿では,グラフデータによるユニークな課題を浮き彫りにして,実践的応用と理論的基礎について論じる。
論文 参考訳（メタデータ） (2025-02-12T04:07:12Z) - Deep Learning-Based Object Pose Estimation: A Comprehensive Survey [73.74933379151419]
ディープラーニングに基づくオブジェクトポーズ推定の最近の進歩について論じる。
また、複数の入力データモダリティ、出力ポーズの自由度、オブジェクト特性、下流タスクについても調査した。
論文 参考訳（メタデータ） (2024-05-13T14:44:22Z) - Recognizing Identities From Human Skeletons: A Survey on 3D Skeleton Based Person Re-Identification [60.939250172443586]
3Dスケルトンによる人物の再同定は、パターン認識コミュニティ内で注目を集める重要な研究分野である。
近年のSRID進歩の総合的なレビューと分析を行っている。
様々なベンチマークやプロトコルを用いて、最先端のSRID手法の徹底的な評価を行い、その有効性と効率性を比較した。
論文 参考訳（メタデータ） (2024-01-27T04:52:24Z) - Interpretable Scientific Discovery with Symbolic Regression: A Review [8.414043731621419]
記号回帰は、データから直接数学的表現を学ぶための有望な機械学習手法として現れつつある。
本調査では,シンボル回帰法について概観し,その強度と限界について考察する。
論文 参考訳（メタデータ） (2022-11-20T05:12:39Z) - Towards Out-of-Distribution Sequential Event Prediction: A Causal
Treatment [72.50906475214457]
シーケンシャルなイベント予測の目標は、一連の歴史的なイベントに基づいて次のイベントを見積もることである。
実際には、次のイベント予測モデルは、一度に収集されたシーケンシャルなデータで訓練される。
文脈固有の表現を学習するための階層的な分岐構造を持つフレームワークを提案する。
論文 参考訳（メタデータ） (2022-10-24T07:54:13Z) - Continuously Generalized Ordinal Regression for Linear and Deep Models [41.03778663275373]
正規回帰は、クラスが順序を持ち、予測エラーが予測されたクラスが真のクラスからさらに大きくなるような分類タスクである。
本稿では,クラス固有の超平面斜面をモデル化するための新しい手法を提案する。
本手法は,順序回帰ベンチマークデータセットの完全セットに対して,標準順序ロジスティックモデルよりも大幅に優れる。
論文 参考訳（メタデータ） (2022-02-14T19:49:05Z) - A Survey Of Regression Algorithms And Connections With Deep Learning [0.0]
回帰は近年、値の予測のようなタスクの有効性のために、大きな関心を集めている。
本稿では,近年の回帰アルゴリズムの広範かつ思慮深い選択を特徴付ける。
RegressionとDeep Learningの関係も議論され、Deep Learningが将来Regressionモデルとの組み合わせとしてより強力になるという結論を導くことができる。
論文 参考訳（メタデータ） (2021-04-26T15:18:00Z) - Through the Data Management Lens: Experimental Analysis and Evaluation
of Fair Classification [75.49600684537117]
データ管理研究は、データとアルゴリズムの公平性に関連するトピックに対する存在感と関心が高まっている。
我々は,その正しさ,公平性,効率性,スケーラビリティ,安定性よりも,13の公正な分類アプローチと追加の変種を幅広く分析している。
我々の分析は、異なるメトリクスとハイレベルなアプローチ特性がパフォーマンスの異なる側面に与える影響に関する新しい洞察を強調します。
論文 参考訳（メタデータ） (2021-01-18T22:55:40Z) - Event Prediction in the Big Data Era: A Systematic Survey [7.3810864598379755]
ビッグデータ時代において、イベント予測は実行可能な選択肢になりつつある。
本稿では,イベント予測の技術,応用,評価について,体系的かつ包括的な調査を行うことを目的とする。
論文 参考訳（メタデータ） (2020-07-19T23:24:52Z) - Unsupervised Domain Adaptation in Semantic Segmentation: a Review [22.366638308792734]
本研究の目的は, セマンティックセグメンテーションのための深層ネットワークのUnsupervised Domain Adaptation (UDA) の最近の進歩について概説することである。
論文 参考訳（メタデータ） (2020-05-21T20:10:38Z) - A Survey on Causal Inference [64.45536158710014]
因果推論は統計学、コンピュータ科学、教育、公共政策、経済学など、多くの分野において重要な研究トピックである。
観測データに対する様々な因果効果推定法が誕生した。
論文 参考訳（メタデータ） (2020-02-05T21:35:29Z)
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。