Fugu-MT 論文翻訳(概要): Evaluation and Optimization of Leave-one-out Cross-validation for the Lasso

論文の概要: Evaluation and Optimization of Leave-one-out Cross-validation for the Lasso

arxiv url: http://arxiv.org/abs/2508.14368v1
Date: Wed, 20 Aug 2025 02:53:54 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-21 16:52:41.315353
Title: Evaluation and Optimization of Leave-one-out Cross-validation for the Lasso
Title（参考訳）: Lassoに対するLeave-out Cross-validationの評価と最適化
Authors: Ryan Burn,
Abstract要約: 私は,ラッソの残余のクロスバリデーションを計算できる分数式を生成するアルゴリズムを開発した。このアルゴリズムは、グローバルまたはローカルのいずれにおいても、アウト・ワン・アウトのクロスバリデーションを最適化する正確なハイパーパラメータを見つけるために使用できる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: I develop an algorithm to produce the piecewise quadratic that computes leave-one-out cross-validation for the lasso as a function of its hyperparameter. The algorithm can be used to find exact hyperparameters that optimize leave-one-out cross-validation either globally or locally, and its practicality is demonstrated on real-world data sets.
Abstract（参考訳）: 本稿では,超パラメータの関数として,ラッソの残余のクロスバリデーションを計算する2次分法を生成するアルゴリズムを開発した。このアルゴリズムは、グローバルまたはローカルのいずれにおいても、アウト・ワン・アウト・クロスバリデーションを最適化する正確なハイパーパラメータを見つけるために使用することができ、実世界のデータセットでその実用性が実証されている。

関連論文リスト

Search-Based Correction of Reasoning Chains for Language Models [72.61861891295302]
CoT(Chain-of-Thought)推論は言語モデル(LM)の機能と透明性を向上した。我々はCoTにおける各推論ステップを、その正確性を示す潜在変数で拡張する新しい自己補正フレームワークを導入する。また,離散探索アルゴリズムであるサーチコレクタも導入した。
論文参考訳（メタデータ） (2025-05-17T04:16:36Z)
Integration of nested cross-validation, automated hyperparameter optimization, high-performance computing to reduce and quantify the variance of test performance estimation of deep learning models [2.4901555666568624]
本研究では,ディープラーニングモデルの試験性能指標の分散を低減・定量化するためにNACHOSを導入する。 NACHOS は NCV と AHPO を並列化された高性能コンピューティングフレームワークに統合する。 DACHOSは、AHPOとクロスバリデーションを活用するために導入され、完全なデータセット上で最終モデルを構築する。
論文参考訳（メタデータ） (2025-03-11T16:25:44Z)
Provably Efficient Bayesian Optimization with Unknown Gaussian Process Hyperparameter Estimation [44.53678257757108]
目的関数の大域的最適値にサブ線形収束できる新しいBO法を提案する。本手法では,BOプロセスにランダムなデータポイントを追加するために,マルチアームバンディット法 (EXP3) を用いる。提案手法は, 様々な合成および実世界の問題に対して, 既存の手法よりも優れていることを示す。
論文参考訳（メタデータ） (2023-06-12T03:35:45Z)
Optimization of Annealed Importance Sampling Hyperparameters [77.34726150561087]
Annealed Importance Smpling (AIS) は、深層生成モデルの難易度を推定するために使われる一般的なアルゴリズムである。本稿では、フレキシブルな中間分布を持つパラメータAISプロセスを提案し、サンプリングに少ないステップを使用するようにブリッジング分布を最適化する。我々は, 最適化AISの性能評価を行い, 深部生成モデルの限界推定を行い, 他の推定値と比較した。
論文参考訳（メタデータ） (2022-09-27T07:58:25Z)
Fast calculation of Gaussian Process multiple-fold cross-validation residuals and their covariances [0.6091702876917281]
高速離脱式を複数倍のクロスバリデーションに一般化する。単純クリグフレームワークと普遍クリグフレームワークの両方において,クロスバリデーション残差の共分散構造を強調した。本研究の結果は, 高速な多次元クロスバリデーションを可能にし, モデル診断において直接的な結果をもたらす。
論文参考訳（メタデータ） (2021-01-08T17:02:37Z)
Optimizing Approximate Leave-one-out Cross-validation to Tune Hyperparameters [0.0]
ヘシアン勾配と ALO の勾配を計算するための効率的な公式を導出する。本稿では,様々な実世界のデータセットに対して,正規化ロジスティック回帰とリッジ回帰のハイパーパラメータを求めることで,提案手法の有用性を示す。
論文参考訳（メタデータ） (2020-11-20T04:57:41Z)
Asymptotic Analysis of an Ensemble of Randomly Projected Linear Discriminants [94.46276668068327]
[1]では、ランダムに投影された線形判別式のアンサンブルを用いてデータセットを分類する。我々は,計算コストのかかるクロスバリデーション推定器の代替として,誤分類確率の一貫した推定器を開発する。また、実データと合成データの両方で投影次元を調整するための推定器の使用を実証する。
論文参考訳（メタデータ） (2020-04-17T12:47:04Z)
Online Hyperparameter Search Interleaved with Proximal Parameter Updates [9.543667840503739]
本研究では,近似勾配法の構造に依存する手法を開発し,スムーズなコスト関数を必要としない。そのような方法は、Leave-one-out (LOO)-validated LassoおよびGroup Lassoに適用される。数値実験により,提案手法の収束度をLOO検証誤差曲線の局所最適値に相関させる。
論文参考訳（メタデータ） (2020-04-06T15:54:03Z)
Towards new cross-validation-based estimators for Gaussian process regression: efficient adjoint computation of gradients [0.0]
スコアリングルールの文献から得られた新しいクロスバリデーション基準を用いることを提案する。また、クロスバリデーション基準の勾配を計算するための効率的な方法も提案する。
論文参考訳（メタデータ） (2020-02-26T14:50:54Z)
Implicit differentiation of Lasso-type models for hyperparameter optimization [82.73138686390514]
ラッソ型問題に適した行列逆転のない効率的な暗黙微分アルゴリズムを提案する。提案手法は,解の空間性を利用して高次元データにスケールする。
論文参考訳（メタデータ） (2020-02-20T18:43:42Z)
Support recovery and sup-norm convergence rates for sparse pivotal estimation [79.13844065776928]
高次元スパース回帰では、ピボット推定器は最適な正規化パラメータがノイズレベルに依存しない推定器である。非滑らかで滑らかな単一タスクとマルチタスク正方形ラッソ型推定器に対するミニマックス超ノルム収束率を示す。
論文参考訳（メタデータ） (2020-01-15T16:11:04Z)

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。