論文の概要: Approximate Bayesian inference for cumulative probit regression models

• arxiv url: http://arxiv.org/abs/2511.06967v1
• Date: Mon, 10 Nov 2025 11:15:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:45.212985
• Title: Approximate Bayesian inference for cumulative probit regression models
• Title（参考訳）: 累積プロビット回帰モデルに対する近似ベイズ推定
• Authors: Emanuele Aliverti,
• Abstract要約: 通常の分類データは、広範囲の実用的な応用で日常的に遭遇する。 累積プロビットモデルにおける回帰係数の後方分布を近似する3つのスケーラブルアルゴリズムを提案する。 本稿では,犯罪ネットワークの構造を解明するために,提案アルゴリズムの有用性について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ordinal categorical data are routinely encountered in a wide range of practical applications. When the primary goal is to construct a regression model for ordinal outcomes, cumulative link models represent one of the most popular choices to link the cumulative probabilities of the response with a set of covariates through a parsimonious linear predictor, shared across response categories. When the number of observations grows, standard sampling algorithms for Bayesian inference scale poorly, making posterior computation increasingly challenging in large datasets. In this article, we propose three scalable algorithms for approximating the posterior distribution of the regression coefficients in cumulative probit models relying on Variational Bayes and Expectation Propagation. We compare the proposed approaches with inference based on Markov Chain Monte Carlo, demonstrating superior computational performance and remarkable accuracy; finally, we illustrate the utility of the proposed algorithms on a challenging case study to investigate the structure of a criminal network.
• Abstract（参考訳）: 通常の分類データは、広範囲の実用的な応用で日常的に遭遇する。 主目的が順序付け結果の回帰モデルを構築するとき、累積リンクモデルは、応答の累積確率を、応答カテゴリ間で共有される擬似線形予測器を介して共変量の集合とリンクする最も一般的な選択の1つである。 観測回数が増えると、ベイズ推定の標準サンプリングアルゴリズムは不十分にスケールし、大規模なデータセットでは後続計算がますます困難になる。 本稿では,変分ベイズと予測伝搬に依存する累積プロビットモデルにおいて,回帰係数の後方分布を近似する3つのスケーラブルアルゴリズムを提案する。 提案手法をマルコフ・チェイン・モンテカルロに基づく推論と比較し,優れた計算性能と顕著な精度を示す。

関連論文リスト

• Self-Boost via Optimal Retraining: An Analysis via Approximate Message Passing [58.52119063742121]
  独自の予測と潜在的にノイズの多いラベルを使ってモデルをトレーニングすることは、モデルパフォーマンスを改善するためのよく知られた戦略である。 本稿では,モデルの予測と提供ラベルを最適に組み合わせる方法について論じる。 我々の主な貢献は、現在のモデルの予測と与えられたラベルを組み合わせたベイズ最適集約関数の導出である。
  論文  参考訳（メタデータ） (2025-05-21T07:16:44Z)
• Variational Autoencoders for Efficient Simulation-Based Inference [2.0034235495967736]
  本稿では、確率自由なシミュレーションに基づく推論のための変分推論フレームワークに基づく生成的モデリング手法を提案する。 本稿では, 計算効率を高い精度で維持しつつ, 複雑な後続を近似する手法を提案する。
  論文  参考訳（メタデータ） (2024-11-21T12:24:13Z)
• Efficient Incremental Belief Updates Using Weighted Virtual Observations [2.7195102129095003]
  モンテカルロ推論の文脈における漸進的信念更新問題に対するアルゴリズム的解を提案する。 このアプローチの効率性と堅牢性を示すために,多くの実践例とケーススタディにソリューションを実装し,適用する。
  論文  参考訳（メタデータ） (2024-02-10T12:48:49Z)
• Structured Radial Basis Function Network: Modelling Diversity for Multiple Hypotheses Prediction [51.82628081279621]
  多重モード回帰は非定常過程の予測や分布の複雑な混合において重要である。 構造的放射基底関数ネットワークは回帰問題に対する複数の仮説予測器のアンサンブルとして提示される。 この構造モデルにより, このテッセルレーションを効率よく補間し, 複数の仮説対象分布を近似することが可能であることが証明された。
  論文  参考訳（メタデータ） (2023-09-02T01:27:53Z)
• Variational Laplace Autoencoders [53.08170674326728]
  変分オートエンコーダは、遅延変数の後部を近似するために、償却推論モデルを用いる。 完全分解ガウス仮定の限定的後部表現性に対処する新しい手法を提案する。 また、深部生成モデルのトレーニングのための変分ラプラスオートエンコーダ(VLAE)という一般的なフレームワークも提示する。
  論文  参考訳（メタデータ） (2022-11-30T18:59:27Z)
• Approximate Gibbs Sampler for Efficient Inference of Hierarchical Bayesian Models for Grouped Count Data [0.0]
  本研究は、推定精度を維持しつつ、HBPRMを効率的に学習するための近似ギブスサンプリング器(AGS)を開発した。 実データと合成データを用いた数値実験により,AGSの優れた性能を示した。
  論文  参考訳（メタデータ） (2022-11-28T21:00:55Z)
• Sparse high-dimensional linear regression with a partitioned empirical Bayes ECM algorithm [62.997667081978825]
  疎高次元線形回帰に対する計算効率が高く強力なベイズ的手法を提案する。 パラメータに関する最小の事前仮定は、プラグイン経験的ベイズ推定(英語版)を用いて用いられる。 提案手法はRパッケージプローブに実装されている。
  論文  参考訳（メタデータ） (2022-09-16T19:15:50Z)
• Generalised Bayesian Inference for Discrete Intractable Likelihood [9.331721990371769]
  本稿では、離散的難易度に適した新しい一般化されたベイズ推論手法を開発する。 連続データに対する最近の方法論的な進歩にインスパイアされた主なアイデアは、離散的なフィッシャー分岐を用いてモデルパラメータに関する信念を更新することである。 結果は一般化された後部であり、マルコフ・モンテカルロのような標準的な計算ツールからサンプリングすることができる。
  論文  参考訳（メタデータ） (2022-06-16T19:36:17Z)
• A Class of Conjugate Priors for Multinomial Probit Models which Includes the Multivariate Normal One [0.3553493344868413]
  統一スキュー正規分布(SUN)のクラス全体は、複数の多重項プロビットモデルに共役していることを示す。 後部推論と分類のための最先端の解法を改善する。
  論文  参考訳（メタデータ） (2020-07-14T10:08:23Z)
• Slice Sampling for General Completely Random Measures [74.24975039689893]
  本稿では, 後続推定のためのマルコフ連鎖モンテカルロアルゴリズムについて, 補助スライス変数を用いてトランケーションレベルを適応的に設定する。 提案アルゴリズムの有効性は、いくつかの一般的な非パラメトリックモデルで評価される。
  論文  参考訳（メタデータ） (2020-06-24T17:53:53Z)

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。