論文の概要: Mixture Proportion Estimation and Weakly-supervised Kernel Test for Conditional Independence

• arxiv url: http://arxiv.org/abs/2604.07191v1
• Date: Wed, 08 Apr 2026 15:17:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-09 17:30:51.605037
• Title: Mixture Proportion Estimation and Weakly-supervised Kernel Test for Conditional Independence
• Title（参考訳）: 条件独立のための混合分布推定と弱教師付きカーネル試験
• Authors: Yushi Hirose, Akito Narahara, Takafumi Kanamori,
• Abstract要約: 混合比例推定(MPE)は、未ラベルデータからクラス事前を推定することを目的としている。 既存のMPEの手法は、テキスト化可能性の仮定や、その変種を識別可能性に頼っている。 クラスラベルを付与した条件独立(CI)に基づく新しい仮定を提案する。
• 参考スコア（独自算出の注目度）: 1.0227479910430863
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mixture proportion estimation (MPE) aims to estimate class priors from unlabeled data. This task is a critical component in weakly supervised learning, such as PU learning, learning with label noise, and domain adaptation. Existing MPE methods rely on the \textit{irreducibility} assumption or its variant for identifiability. In this paper, we propose novel assumptions based on conditional independence (CI) given the class label, which ensure identifiability even when irreducibility does not hold. We develop method of moments estimators under these assumptions and analyze their asymptotic properties. Furthermore, we present weakly-supervised kernel tests to validate the CI assumptions, which are of independent interest in applications such as causal discovery and fairness evaluation. Empirically, we demonstrate the improved performance of our estimators compared with existing methods and that our tests successfully control both type I and type II errors.\label{key}
• Abstract（参考訳）: 混合比例推定(MPE)は、未ラベルデータからクラス事前を推定することを目的としている。 このタスクは、PU学習、ラベルノイズによる学習、ドメイン適応など、弱教師付き学習において重要な要素である。 既存の MPE のメソッドは \textit{irreducibility} の仮定やその変種を識別可能性に頼っている。 本稿では,クラスラベルを与えられた条件付き独立性(CI)に基づく新しい仮定を提案する。 これらの仮定に基づいてモーメント推定手法を開発し,その漸近特性を解析する。 さらに、因果発見や公平性評価などのアプリケーションに独立した関心を持つCI仮定を検証するために、弱教師付きカーネルテストを提案する。 実験では,既存手法と比較して推定器の性能が向上し,I型とII型の両方のエラーを制御できた。 \label{key}

関連論文リスト

• On the Hardness of Conditional Independence Testing In Practice [33.26934394515333]
  条件付き独立テスト(CI)は、機械学習と統計学において多くの重要な問題の原因となっている。 Shah and Peters (2020) は、無条件の場合とは対照的に、普遍的に有限サンプルの有効なテストが非自明なパワーを達成できないことを示した。 本稿では,カーネルに基づく条件独立試験(KCI)について検討し,その実践行動の根底にある主要な要因を明らかにする。
  論文  参考訳（メタデータ） (2025-12-16T01:45:23Z)
• A Sample Efficient Conditional Independence Test in the Presence of Discretization [54.047334792855345]
  離散化されたデータに直接条件付き独立テスト(CI)は、誤った結論につながる可能性がある。 最近の進歩は、観測データをバイナライズすることで、潜伏変数間の適切なCI関係を推測することを目指している。 そこで本研究では,バイナライゼーションプロセスに依存しないサンプル効率のCIテストを提案する。
  論文  参考訳（メタデータ） (2025-06-10T12:41:26Z)
• Kernel conditional tests from learning-theoretic bounds [16.813275168865953]
  本研究では,条件付き確率分布の仮説テストのためのフレームワークを提案する。 次に、条件分布の関数の統計的テストを構築する。 本研究は,機能検査の総合的基盤を構築した。
  論文  参考訳（メタデータ） (2025-06-04T12:53:13Z)
• Uncertainty-Calibrated Test-Time Model Adaptation without Forgetting [65.21599711087538]
  テスト時間適応(TTA)は、与えられたモデルw.r.t.を任意のテストサンプルに適用することにより、トレーニングデータとテストデータの間の潜在的な分散シフトに取り組むことを目指している。 事前の手法は各テストサンプルに対してバックプロパゲーションを実行するため、多くのアプリケーションに対して許容できない最適化コストがかかる。 本稿では, 有効サンプル選択基準を策定し, 信頼性および非冗長なサンプルを同定する, 効率的なアンチフォッティングテスト時間適応法を提案する。
  論文  参考訳（メタデータ） (2024-03-18T05:49:45Z)
• Evaluating AI systems under uncertain ground truth: a case study in dermatology [43.8328264420381]
  不確実性を無視することは、モデル性能の過度に楽観的な推定につながることを示す。 皮膚状態の分類では,データセットの大部分が重大な真理不確実性を示すことが判明した。
  論文  参考訳（メタデータ） (2023-07-05T10:33:45Z)
• Conservative Prediction via Data-Driven Confidence Minimization [70.93946578046003]
  機械学習の安全性クリティカルな応用においては、モデルが保守的であることが望ましいことが多い。 本研究では,不確実性データセットに対する信頼性を最小化するデータ駆動信頼性最小化フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-08T07:05:36Z)
• Near-Optimal Non-Parametric Sequential Tests and Confidence Sequences with Possibly Dependent Observations [44.71254888821376]
  我々は、一般的な非データ生成プロセスの下で、最初のタイプIエラーと予測リジェクション時間保証を提供する。 本研究では, 平均処理効果など, 方程式を推定することによって定義されるパラメータの推測に, 結果を適用する方法を示す。
  論文  参考訳（メタデータ） (2022-12-29T18:37:08Z)
• Sequential Kernelized Independence Testing [77.237958592189]
  我々は、カーネル化依存度にインスパイアされたシーケンシャルなカーネル化独立試験を設計する。 シミュレーションデータと実データの両方にアプローチのパワーを実証する。
  論文  参考訳（メタデータ） (2022-12-14T18:08:42Z)
• Conformal Credal Self-Supervised Learning [7.170735702082675]
  半教師付き学習において、自己学習のパラダイムとは、学習者自身が提案する擬似ラベルから学習することを指す。 そのような方法の1つは、いわゆるクレダル自己教師学習であり、ラベル上の(単体ではなく)確率分布の集合の形で擬超越性を維持している。
  論文  参考訳（メタデータ） (2022-05-30T16:53:16Z)
• Exploiting Sample Uncertainty for Domain Adaptive Person Re-Identification [137.9939571408506]
  各サンプルに割り当てられた擬似ラベルの信頼性を推定・活用し,ノイズラベルの影響を緩和する。 不確実性に基づく最適化は大幅な改善をもたらし、ベンチマークデータセットにおける最先端のパフォーマンスを達成します。
  論文  参考訳（メタデータ） (2020-12-16T04:09:04Z)

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。

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。