論文の概要: Symbolic Quantile Regression for the Interpretable Prediction of Conditional Quantiles

• arxiv url: http://arxiv.org/abs/2508.08080v1
• Date: Mon, 11 Aug 2025 15:27:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 21:23:29.168382
• Title: Symbolic Quantile Regression for the Interpretable Prediction of Conditional Quantiles
• Title（参考訳）: 条件量子の解釈予測のためのシンボリック量子回帰
• Authors: Cas Oude Hoekstra, Floris den Hengst,
• Abstract要約: シンボリック量子回帰(英: Symbolic Quantile Regression、SQR)は、SRを用いて条件量子を予測するためのアプローチである。 SQRは条件付き量子化を予測し、様々な量子化における興味深い特徴の影響を理解するのに適している。
• 参考スコア（独自算出の注目度）: 1.03590082373586
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Symbolic Regression (SR) is a well-established framework for generating interpretable or white-box predictive models. Although SR has been successfully applied to create interpretable estimates of the average of the outcome, it is currently not well understood how it can be used to estimate the relationship between variables at other points in the distribution of the target variable. Such estimates of e.g. the median or an extreme value provide a fuller picture of how predictive variables affect the outcome and are necessary in high-stakes, safety-critical application domains. This study introduces Symbolic Quantile Regression (SQR), an approach to predict conditional quantiles with SR. In an extensive evaluation, we find that SQR outperforms transparent models and performs comparably to a strong black-box baseline without compromising transparency. We also show how SQR can be used to explain differences in the target distribution by comparing models that predict extreme and central outcomes in an airline fuel usage case study. We conclude that SQR is suitable for predicting conditional quantiles and understanding interesting feature influences at varying quantiles.
• Abstract（参考訳）: シンボリック回帰(Symbolic Regression, SR)は、解釈可能またはホワイトボックス予測モデルを生成するための確立されたフレームワークである。 SRは、結果の平均の解釈可能な推定値を作成するためにうまく適用されてきたが、現在、ターゲット変数の分布における他の点における変数間の関係を推定するためにどのように使用できるかはよく理解されていない。 このような中央値や極端な値のegの推定は、予測変数が結果にどのように影響するかの全体像を提供し、高リスクで安全クリティカルなアプリケーションドメインで必要である。 本研究では,SRを用いた条件量子化の予測手法であるSQR(Symbolic Quantile Regression)を提案する。 広汎な評価では、SQRは透明モデルよりも優れ、透明性を損なうことなく、強力なブラックボックスベースラインに対してコンパロブルに性能を発揮する。 また、航空燃料使用事例研究において、極端および中心的な結果を予測するモデルを比較することにより、目標分布の違いを説明するためにSQRをどのように使用できるかを示す。 SQRは条件付き量子化を予測し、様々な量子化における興味深い特徴の影響を理解するのに適していると結論付けた。

関連論文リスト

• Conformal Inference under High-Dimensional Covariate Shifts via Likelihood-Ratio Regularization [35.16750653336608]
  ピンボール損失を正規化の新たな選択と組み合わせた正準比正則化量子回帰アルゴリズムを提案する。 LR-QR法は,対象領域の所望レベルにおいて,最小限の誤差項までカバレッジを有することを示す。 実験により、LR-QRアルゴリズムは、高次元予測タスクにおいて既存の手法よりも優れていることを示した。
  論文  参考訳（メタデータ） (2025-02-18T16:46:44Z)
• Semiparametric conformal prediction [79.6147286161434]
  ベクトル値の非整合性スコアの結合相関構造を考慮した共形予測セットを構築する。 スコアの累積分布関数(CDF)を柔軟に推定する。 提案手法は,現実の回帰問題に対して,所望のカバレッジと競争効率をもたらす。
  論文  参考訳（メタデータ） (2024-11-04T14:29:02Z)
• Relaxed Quantile Regression: Prediction Intervals for Asymmetric Noise [51.87307904567702]
  量子レグレッション(Quantile regression)は、出力の分布における量子の実験的推定を通じてそのような間隔を得るための主要なアプローチである。 本稿では、この任意の制約を除去する量子回帰に基づく区間構成の直接的な代替として、Relaxed Quantile Regression (RQR)を提案する。 これにより、柔軟性が向上し、望ましい品質が向上することが実証された。
  論文  参考訳（メタデータ） (2024-06-05T13:36:38Z)
• Vector Quantile Regression on Manifolds [8.328891187733841]
  QR(Quantile regression)は、対象変数の条件量子化の分布自由度推定のための統計ツールである。 最適輸送理論とc-凹関数を活用することにより、高次元変数の条件ベクトル量子関数を有意に定義する。 提案手法の有効性を実証し, 合成および実データ実験による非ユークリッド量子化の意味に関する知見を提供する。
  論文  参考訳（メタデータ） (2023-07-03T14:17:12Z)
• Will My Robot Achieve My Goals? Predicting the Probability that an MDP Policy Reaches a User-Specified Behavior Target [56.99669411766284]
  自律的なシステムがタスクを実行する場合、ユーザの目標を達成する確率のキャリブレーションされた見積もりを維持する必要がある。 本稿では,ユーザの目標が目標間隔として指定される設定について検討する。 我々は、共形予測を反転させて確率推定を計算する。
  論文  参考訳（メタデータ） (2022-11-29T18:41:20Z)
• Multivariate Probabilistic Regression with Natural Gradient Boosting [63.58097881421937]
  多変量予測分布の条件パラメータを非パラメトリックにモデル化したNatural Gradient Boosting (NGBoost) 手法を提案する。 提案手法は頑健で, 広範囲なチューニングを伴わず, 推定対象分布に対してモジュール構造であり, 既存の手法と比較して競争力がある。
  論文  参考訳（メタデータ） (2021-06-07T17:44:49Z)
• Estimation and Applications of Quantiles in Deep Binary Classification [0.0]
  チェック損失に基づく量子回帰は統計学において広く使われている推論パラダイムである。 二項分類設定におけるチェック損失の類似について考察する。 我々は、予測が信頼できるかどうかを判断するために使用できる個別信頼度スコアを開発する。
  論文  参考訳（メタデータ） (2021-02-09T07:07:42Z)

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。