論文の概要: Scaled Beta Models and Feature Dilution for Dynamic Ticket Pricing

• arxiv url: http://arxiv.org/abs/2507.23767v1
• Date: Thu, 31 Jul 2025 17:55:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-01 17:19:10.208531
• Title: Scaled Beta Models and Feature Dilution for Dynamic Ticket Pricing
• Title（参考訳）: 動的チケット価格設定のためのスケールドベータモデルと特徴希釈
• Authors: Jonathan R. Landers,
• Abstract要約: セカンダリチケット再販市場での行為の異なる署名を特定するための新しいアプローチが提示される。 SeatGeek APIから新たにキュレートされた時系列データセットを使用して、チケット価格分布をスケールしたベータディストリビューションとしてモデル化する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A novel approach is presented for identifying distinct signatures of performing acts in the secondary ticket resale market by analyzing dynamic pricing distributions. Using a newly curated, time series dataset from the SeatGeek API, we model ticket pricing distributions as scaled Beta distributions. This enables accurate parameter estimation from incomplete statistical data using a hybrid of quantile matching and the method of moments. Incorporating the estimated $\alpha$ and $\beta$ parameters into Random Forest classifiers significantly improves pairwise artist classification accuracy, demonstrating the unique economic signatures in event pricing data. Additionally, we provide theoretical and empirical evidence that incorporating zero-variance (constant-value) features into Random Forest models acts as an implicit regularizer, enhancing feature variety and robustness. This regularization promotes deeper, more varied trees in the ensemble, improving the bias-variance tradeoff and mitigating overfitting to dominant features. These findings are validated on both the new ticket pricing dataset and the standard UCI ML handwritten digits dataset.
• Abstract（参考訳）: 動的価格分布を解析することにより,セカンダリチケット再販市場での行動の異なるシグネチャを識別する手法が提案されている。 SeatGeek APIから新たにキュレートされた時系列データセットを使用して、チケット価格分布をスケールしたベータディストリビューションとしてモデル化する。 これにより、量子マッチングのハイブリッドとモーメントの方法を用いた不完全統計データからの正確なパラメータ推定が可能となる。 推定$\alpha$と$\beta$パラメータをランダムフォレスト分類器に組み込むことで、ペアワイズアーティストの分類精度が大幅に向上し、イベント価格データにユニークな経済的シグネチャが示される。 さらに、ランダムフォレストモデルにゼロ分散(定数値)特徴を組み込むと、暗黙の正則化として機能し、特徴量とロバスト性を高めるという理論的および実証的な証拠を提供する。 この正規化は、アンサンブルのより深く、より多様な木々を促進し、バイアス分散トレードオフを改善し、優越的な特徴への過剰適合を緩和する。 これらの結果は、新しいチケット価格データセットと標準のUCI ML手書き桁データセットの両方で検証される。

関連論文リスト

• Rejection via Learning Density Ratios [50.91522897152437]
  拒絶による分類は、モデルを予測しないことを許容する学習パラダイムとして現れます。 そこで我々は,事前学習したモデルの性能を最大化する理想的なデータ分布を求める。 私たちのフレームワークは、クリーンでノイズの多いデータセットで実証的にテストされます。
  論文  参考訳（メタデータ） (2024-05-29T01:32:17Z)
• Variational Classification [51.2541371924591]
  我々は,変分オートエンコーダの訓練に用いるエビデンスローバウンド(ELBO)に類似した,モデルの訓練を目的とした変分目的を導出する。 軟質マックス層への入力を潜伏変数のサンプルとして扱うことで, 抽象化された視点から, 潜在的な矛盾が明らかとなった。 我々は、標準ソフトマックス層に見られる暗黙の仮定の代わりに、選択された潜在分布を誘導する。
  論文  参考訳（メタデータ） (2023-05-17T17:47:19Z)
• Beyond Invariance: Test-Time Label-Shift Adaptation for Distributions with "Spurious" Correlations [44.99833362998488]
  テスト時のデータ分散の変化は、予測モデルのパフォーマンスに有害な影響を及ぼす可能性がある。 本研究では,未ラベルサンプルに適用したEMを用いて,共同分布の$p(y, z)$の変化に適応するテストタイムラベルシフト補正を提案する。
  論文  参考訳（メタデータ） (2022-11-28T18:52:33Z)
• Cross-Model Pseudo-Labeling for Semi-Supervised Action Recognition [98.25592165484737]
  CMPL(Cross-Model Pseudo-Labeling)と呼ばれる,より効果的な擬似ラベル方式を提案する。 CMPLは、それぞれRGBモダリティとラベル付きデータのみを使用して、Kinetics-400とUCF-101のTop-1の精度を17.6%と25.1%で達成している。
  論文  参考訳（メタデータ） (2021-12-17T18:59:41Z)
• Stochastic Optimization for Performative Prediction [31.876692592395777]
  モデルパラメータを単に更新することと、新しいモデルをデプロイすることの違いについて検討する。 各更新後にモデルを厳格にデプロイし、再デプロイする前に数回の更新を行うための収束率を証明する。 彼らは、パフォーマンス効果の強さによって、どちらのアプローチも他方よりも優れる体制が存在することを説明している。
  論文  参考訳（メタデータ） (2020-06-12T00:31:16Z)

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。