論文の概要: Confidence Sequences for Generalized Linear Models via Regret Analysis

• arxiv url: http://arxiv.org/abs/2504.16555v1
• Date: Wed, 23 Apr 2025 09:32:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 17:15:30.859246
• Title: Confidence Sequences for Generalized Linear Models via Regret Analysis
• Title（参考訳）: レギュレット解析による一般化線形モデルの信頼性系列
• Authors: Eugenio Clerico, Hamish Flynn, Wojciech Kotłowski, Gergely Neu,
• Abstract要約: 本研究では,統計的モデルのパラメータに対する信頼度セットを逐次予測に還元して構築する手法を開発した。 オンライン・トゥ・センデンス・セットの変換は、目的とする統計的クレームをアルゴリズム的問題に証明する問題を効果的に軽減する。 その結果、それまで文献で知られていなかったいくつかの新しいタイプの信頼セットが提供される。
• 参考スコア（独自算出の注目度）: 8.937169040399775
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We develop a methodology for constructing confidence sets for parameters of statistical models via a reduction to sequential prediction. Our key observation is that for any generalized linear model (GLM), one can construct an associated game of sequential probability assignment such that achieving low regret in the game implies a high-probability upper bound on the excess likelihood of the true parameter of the GLM. This allows us to develop a scheme that we call online-to-confidence-set conversions, which effectively reduces the problem of proving the desired statistical claim to an algorithmic question. We study two varieties of this conversion scheme: 1) analytical conversions that only require proving the existence of algorithms with low regret and provide confidence sets centered at the maximum-likelihood estimator 2) algorithmic conversions that actively leverage the output of the online algorithm to construct confidence sets (and may be centered at other, adaptively constructed point estimators). The resulting methodology recovers all state-of-the-art confidence set constructions within a single framework, and also provides several new types of confidence sets that were previously unknown in the literature.
• Abstract（参考訳）: 本研究では,統計的モデルのパラメータに対する信頼度セットを逐次予測に還元して構築する手法を開発した。 我々のキーとなる観察は、任意の一般化線形モデル (GLM) に対して、ゲーム内の低残差を達成するために、GLMの真のパラメータの過剰な可能性に高い確率上界を示すようなシーケンシャルな確率割り当てのゲームを構築することができることである。 これにより,オンライン・トゥ・信頼・セット変換と呼ばれる手法の開発が可能となり,目的とする統計的クレームをアルゴリズム的問題に証明する問題を効果的に低減できる。 この変換方式の2つのバリエーションについて研究する。 1) 後悔の少ないアルゴリズムの存在を証明することのみを必要とする分析変換と、最大形推定器を中心にした信頼セットを提供する 2) オンラインアルゴリズムの出力を積極的に活用して信頼性セットを構築するアルゴリズム変換(および適応的に構築された他の点推定器を中心とする場合もある)。 結果として得られた手法は、単一のフレームワーク内ですべての最先端の信頼セットの構成を復元し、また、それまで文献で知られていなかったいくつかの新しいタイプの信頼セットを提供する。

関連論文リスト

• Sample Complexity of Linear Quadratic Regulator Without Initial Stability [11.98212766542468]
  ReINFORCEに触発されて、未知のパラメータを持つ線形二次レギュレータ(LQR)問題に対して、新しい回帰水平アルゴリズムを導入する。 従来の手法とは異なり、本アルゴリズムはサンプルの複雑さの順序を同じに保ちながら、2点勾配推定に依存することを回避している。
  論文  参考訳（メタデータ） (2025-02-20T02:44:25Z)
• Distribution-Free Calibration of Statistical Confidence Sets [2.283561089098417]
  本研究では,TRUSTとTRUST++という2つの新しい手法を導入する。 我々は,本手法が既存のアプローチ,特に小サンプル方式よりも優れていることを実証した。
  論文  参考訳（メタデータ） (2024-11-28T20:45:59Z)
• Trust-Region Sequential Quadratic Programming for Stochastic Optimization with Random Models [57.52124921268249]
  本稿では,1次と2次の両方の定常点を見つけるための信頼逐次準計画法を提案する。 本手法は, 1次定常点に収束するため, 対象対象の近似を最小化して定義された各イテレーションの勾配ステップを計算する。 2階定常点に収束するため,本手法は負曲率を減少するヘッセン行列を探索する固有ステップも計算する。
  論文  参考訳（メタデータ） (2024-09-24T04:39:47Z)
• Rigorous Probabilistic Guarantees for Robust Counterfactual Explanations [80.86128012438834]
  モデルシフトに対する反ファクトの堅牢性を計算することはNP完全であることを示す。 本稿では,頑健性の厳密な推定を高い保証で実現する新しい確率論的手法を提案する。
  論文  参考訳（メタデータ） (2024-07-10T09:13:11Z)
• Finite Sample Confidence Regions for Linear Regression Parameters Using Arbitrary Predictors [1.6860963320038902]
  線形モデルのパラメータに対する信頼領域を構築するための新しい手法を任意の予測器からの予測を用いて検討する。 導出された信頼領域は、混合線形プログラミングフレームワーク内の制約としてキャストすることができ、線形目的の最適化を可能にする。 従来の手法とは異なり、信頼領域は空であり、仮説テストに使用できる。
  論文  参考訳（メタデータ） (2024-01-27T00:15:48Z)
• Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
  確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。 本手法は, 精度の高い問題に特に適している。 提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
  論文  参考訳（メタデータ） (2023-11-08T00:10:21Z)
• When Does Confidence-Based Cascade Deferral Suffice? [69.28314307469381]
  カスケードは、推論コストをサンプル毎に適応的に変化させる古典的な戦略である。 deferralルールは、シーケンス内の次の分類子を呼び出すか、または予測を終了するかを決定する。 カスケードの構造に執着しているにもかかわらず、信頼に基づく推論は実際は極めてうまく機能することが多い。
  論文  参考訳（メタデータ） (2023-07-06T04:13:57Z)
• Fully Stochastic Trust-Region Sequential Quadratic Programming for Equality-Constrained Optimization Problems [62.83783246648714]
  目的と決定論的等式制約による非線形最適化問題を解くために,逐次2次プログラミングアルゴリズム(TR-StoSQP)を提案する。 アルゴリズムは信頼領域半径を適応的に選択し、既存の直線探索StoSQP方式と比較して不確定なヘッセン行列を利用することができる。
  論文  参考訳（メタデータ） (2022-11-29T05:52:17Z)
• Statistical optimality and stability of tangent transform algorithms in logit models [6.9827388859232045]
  我々は,データ生成過程の条件として,ロジカルオプティマによって引き起こされるリスクに対して,非漸近上界を導出する。 特に,データ生成過程の仮定なしにアルゴリズムの局所的変動を確立する。 我々は,大域収束が得られる半直交設計を含む特別な場合について検討する。
  論文  参考訳（メタデータ） (2020-10-25T05:15:13Z)
• Understanding Implicit Regularization in Over-Parameterized Single Index Model [55.41685740015095]
  我々は高次元単一インデックスモデルのための正規化自由アルゴリズムを設計する。 暗黙正則化現象の理論的保証を提供する。
  論文  参考訳（メタデータ） (2020-07-16T13:27:47Z)

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。