論文の概要: Machine-Learning-Assisted Comparison of Regression Functions

• arxiv url: http://arxiv.org/abs/2510.24714v1
• Date: Tue, 28 Oct 2025 17:59:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-29 15:35:37.337547
• Title: Machine-Learning-Assisted Comparison of Regression Functions
• Title（参考訳）: 機械学習による回帰関数の比較
• Authors: Jian Yan, Zhuoxi Li, Yang Ning, Yong Chen,
• Abstract要約: 統計的推論の基本的な問題である回帰関数を比較するという古典的問題を再考する。 等回帰関数のヌル仮説を新たに特徴づけるカーネルベースの条件付き平均依存性の新たな概念を提案する。 フレキシブルな推定に近代的な機械学習手法を利用する2つの新しいテストを開発した。
• 参考スコア（独自算出の注目度）: 6.536054952579518
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We revisit the classical problem of comparing regression functions, a fundamental question in statistical inference with broad relevance to modern applications such as data integration, transfer learning, and causal inference. Existing approaches typically rely on smoothing techniques and are thus hindered by the curse of dimensionality. We propose a generalized notion of kernel-based conditional mean dependence that provides a new characterization of the null hypothesis of equal regression functions. Building on this reformulation, we develop two novel tests that leverage modern machine learning methods for flexible estimation. We establish the asymptotic properties of the test statistics, which hold under both fixed- and high-dimensional regimes. Unlike existing methods that often require restrictive distributional assumptions, our framework only imposes mild moment conditions. The efficacy of the proposed tests is demonstrated through extensive numerical studies.
• Abstract（参考訳）: 我々は、回帰関数を比較するという古典的な問題を再考し、統計推論における基本的な問題として、データ統合、転送学習、因果推論といった近代的な応用に幅広い関連性があることを示す。 既存のアプローチは概して平滑化技術に依存しており、従って次元の呪いによって妨げられている。 等回帰関数のヌル仮説の新たな特徴を与えるカーネルベースの条件付き平均依存の一般化概念を提案する。 この改革に基づいて、フレキシブルな推定に近代的な機械学習手法を活用する2つの新しいテストを開発した。 我々は、固定状態と高次元状態の両方で保持される試験統計量の漸近特性を確立する。 制限的な分布仮定を必要とする既存の方法とは異なり、我々のフレームワークは穏やかなモーメント条件のみを課す。 提案試験の有効性は, 広範囲にわたる数値実験により実証された。

関連論文リスト

• Statistical Inference for Temporal Difference Learning with Linear Function Approximation [55.80276145563105]
  The statistics properties of Temporal difference learning with Polyak-Ruppert averaging。 3つの理論的な貢献により、現在の最先端の成果が向上する。
  論文  参考訳（メタデータ） (2024-10-21T15:34:44Z)
• Model Free Prediction with Uncertainty Assessment [7.524024486998338]
  そこで本研究では,深部推定パラダイムを条件付き平均推定を行うプラットフォームに変換する新しいフレームワークを提案する。 本研究では, 条件付き拡散モデルに対する終端収束率を開発し, 生成した試料の正規性を確立する。 数値実験により,提案手法の有効性を実証的に検証した。
  論文  参考訳（メタデータ） (2024-05-21T11:19:50Z)
• Selective Nonparametric Regression via Testing [54.20569354303575]
  本研究では,所定の点における条件分散の値に関する仮説を検証し,留置手順を開発する。 既存の手法とは異なり、提案手法は分散自体の値だけでなく、対応する分散予測器の不確実性についても考慮することができる。
  論文  参考訳（メタデータ） (2023-09-28T13:04:11Z)
• Vector-Valued Least-Squares Regression under Output Regularity Assumptions [73.99064151691597]
  最小二乗回帰問題を無限次元出力で解くために,還元ランク法を提案し,解析する。 提案手法の学習バウンダリを導出し、フルランク手法と比較して統計的性能の設定を改善する研究を行う。
  論文  参考訳（メタデータ） (2022-11-16T15:07:00Z)
• New Insights into Learning with Correntropy Based Regression [3.066157114715031]
  本研究では,コレントロピーに基づく回帰回帰が条件付きモード関数や条件付き平均関数に対して一定の条件下で頑健に働くことを示す。 また,条件付き平均関数を学習する際の新しい結果も提示する。
  論文  参考訳（メタデータ） (2020-06-19T21:14:34Z)
• Achieving Equalized Odds by Resampling Sensitive Attributes [13.114114427206678]
  等価性の概念をほぼ満足する予測モデルを学習するためのフレキシブルなフレームワークを提案する。 この微分可能な関数は、モデルパラメータを等化奇数に向けて駆動するペナルティとして使用される。 本研究は,予測規則が本性質に反するか否かを検出するための公式な仮説テストを開発する。
  論文  参考訳（メタデータ） (2020-06-08T00:18:34Z)
• The empirical duality gap of constrained statistical learning [115.23598260228587]
  本研究では,制約付き統計学習問題(制約なし版)について,ほぼ全ての現代情報処理のコアとなる研究を行った。 本稿では, 有限次元パラメータ化, サンプル平均, 双対性理論を利用して, 無限次元, 未知分布, 制約を克服する制約付き統計問題に取り組むことを提案する。 フェアラーニングアプリケーションにおいて,この制約付き定式化の有効性と有用性を示す。
  論文  参考訳（メタデータ） (2020-02-12T19:12:29Z)

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。