論文の概要: Approximately Unimodal Likelihood Models for Ordinal Regression

• arxiv url: http://arxiv.org/abs/2510.00122v1
• Date: Tue, 30 Sep 2025 18:03:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:20.182731
• Title: Approximately Unimodal Likelihood Models for Ordinal Regression
• Title（参考訳）: 正規回帰に対する約一様様様相モデル
• Authors: Ryoya Yamasaki,
• Abstract要約: 多くの実世界の順序データから、対象変数の条件付き確率分布(CPD)が不定値となる傾向が示されている。 我々は, ほぼ一助確率モデルを提案し, 一助確率と一助確率に近い一助確率モデルを提案する。 また,提案モデルが順序データとORタスクの統計的モデリングに有効であることを実験的に検証した。
• 参考スコア（独自算出の注目度）: 3.0458514384586404
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ordinal regression (OR, also called ordinal classification) is classification of ordinal data, in which the underlying target variable is categorical and considered to have a natural ordinal relation for the underlying explanatory variable. A key to successful OR models is to find a data structure `natural ordinal relation' common to many ordinal data and reflect that structure into the design of those models. A recent OR study found that many real-world ordinal data show a tendency that the conditional probability distribution (CPD) of the target variable given a value of the explanatory variable will often be unimodal. Several previous studies thus developed unimodal likelihood models, in which a predicted CPD is guaranteed to become unimodal. However, it was also observed experimentally that many real-world ordinal data partly have values of the explanatory variable where the underlying CPD will be non-unimodal, and hence unimodal likelihood models may suffer from a bias for such a CPD. Therefore, motivated to mitigate such a bias, we propose approximately unimodal likelihood models, which can represent up to a unimodal CPD and a CPD that is close to be unimodal. We also verify experimentally that a proposed model can be effective for statistical modeling of ordinal data and OR tasks.
• Abstract（参考訳）: 順序回帰(英: Ordinal regression、または Ordinal classification、または Ordinal classification)は、順序データの分類であり、基礎となる対象変数はカテゴリー的であり、基礎となる説明変数に対して自然な順序関係を持つと考えられている。 ORモデルの成功の鍵は、多くの順序データに共通するデータ構造「自然な順序関係」を見つけ、それらの構造をそれらのモデルの設計に反映することである。 最近のORの研究では、多くの実世界の順序データから、説明変数の値が与えられた対象変数の条件確率分布(CPD)が不定値となる傾向が示されている。 これまでのいくつかの研究では、予測されたCDDが一助的となることが保証された一助的可能性モデルが開発された。 しかし、多くの実世界の順序データには、基礎となるCPDが非一様である説明変数の値が部分的に含まれており、従って非一様確率モデルがそのようなCPDのバイアスに悩まされる可能性があることも実験的に観察された。 そこで, 偏りを緩和する動機付けとして, ほぼ一助確率モデルを提案し, 最大一助確率モデルと一助確率に近いCPDモデルを提案する。 また,提案モデルが順序データとORタスクの統計的モデリングに有効であることを実験的に検証した。

関連論文リスト

• Comparing Data Assimilation and Likelihood-Based Inference on Latent State Estimation in Agent-Based Models [5.107477527498209]
  本稿では,エージェントベースモデル(ABM)の文脈において,データ同化(DA)とIslihood-based Inference(LBI)を初めて体系的に比較する。 LBIは、モデルの可能性を直接活用することで、より正確な状態推定を提供するが、手作りの、モデル固有の可能性関数を必要とするコストがかかる。 LBIはエージェントレベルの推論に好適であるのに対し, DAは集約予測に好適であることが示唆された。
  論文  参考訳（メタデータ） (2025-09-22T11:34:55Z)
• Counterfactual Probabilistic Diffusion with Expert Models [44.96279296893773]
  本稿では,不完全な専門家モデルからのガイダンスを取り入れた時系列拡散に基づくフレームワークを提案する。 我々の方法であるODE-Diffは、機械的およびデータ駆動的なアプローチをブリッジし、より信頼性が高く解釈可能な因果推論を可能にする。
  論文  参考訳（メタデータ） (2025-08-18T20:44:32Z)
• Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
  ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。 提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。 複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
  論文  参考訳（メタデータ） (2023-06-09T08:30:51Z)
• Learning Multivariate CDFs and Copulas using Tensor Factorization [39.24470798045442]
  データの多変量分布を学習することは、統計学と機械学習における中核的な課題である。 本研究では,多変量累積分布関数(CDF)を学習し,混合確率変数を扱えるようにすることを目的とする。 混合確率変数の合同CDFの任意のグリッドサンプリング版は、単純ベイズモデルとして普遍表現を許容することを示す。 提案モデルの性能を,回帰,サンプリング,データ計算を含むいくつかの合成および実データおよびアプリケーションで実証する。
  論文  参考訳（メタデータ） (2022-10-13T16:18:46Z)
• Sampling from Arbitrary Functions via PSD Models [55.41644538483948]
  まず確率分布をモデル化し,そのモデルからサンプリングする。 これらのモデルでは, 少数の評価値を用いて, 高精度に多数の密度を近似することが可能であることが示され, それらのモデルから効果的にサンプルする簡単なアルゴリズムが提示される。
  論文  参考訳（メタデータ） (2021-10-20T12:25:22Z)
• Probabilistic Modeling for Human Mesh Recovery [73.11532990173441]
  本稿では,2次元の証拠から3次元の人体復元の問題に焦点を当てた。 我々は,この問題を,入力から3Dポーズの分布へのマッピング学習として再考した。
  論文  参考訳（メタデータ） (2021-08-26T17:55:11Z)
• PSD Representations for Effective Probability Models [117.35298398434628]
  最近提案された非負関数に対する正半定値(PSD)モデルがこの目的に特に適していることを示す。 我々はPSDモデルの近似と一般化能力の両方を特徴付け、それらが強い理論的保証を享受していることを示す。 本研究では,PSDモデルの密度推定,決定理論,推論への応用への道を開く。
  論文  参考訳（メタデータ） (2021-06-30T15:13:39Z)
• Exploring Lexical Irregularities in Hypothesis-Only Models of Natural Language Inference [5.283529004179579]
  自然言語推論(NLI)またはテキスト関連認識(RTE)は、文のペア間の関係を予測するタスクです。 包含を理解するモデルは前提と仮説の両方をエンコードするべきである。 Poliakらによる実験。 仮説でのみ観察されたパターンに対するこれらのモデルの強い好みを明らかにした。
  論文  参考訳（メタデータ） (2021-01-19T01:08:06Z)

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。