論文の概要: Refnd: Preventing Data Leakage in Relational Datasets

• arxiv url: http://arxiv.org/abs/2607.19376v1
• Date: Tue, 30 Jun 2026 19:53:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 00:46:13.140271
• Title: Refnd: Preventing Data Leakage in Relational Datasets
• Title（参考訳）: Refnd:リレーショナルデータセットにおけるデータの漏洩防止
• Abstract要約: Refnd は Navigable Navi Small World (HNSW) を用いてログ時間で計算された近接グラフを利用する分割アルゴリズムである。 抗微生物ペプチドデータセットを用いて,Refnd分画は従来の分画よりも低いが,より現実的な評価が得られた。
• 参考スコア（独自算出の注目度）: 3.5410731310203
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Machine learning models trained on biochemical data are routinely evaluated using splits that fail to account for relational structure, causing information leakage and over-optimistic performance estimates. Existing splitting methods lack theoretical grounding and scale at best quadratically. We introduce the Relational Generative Process (RGP), a mathematical formalization explaining why relational structure arises in biochemical datasets, and Refnd, a splitting algorithm that leverages a proximity graph computed in loglinear time using Hierarchical Navigable Small World (HNSW). We validate on an antimicrobial peptide dataset, showing that Refnd splits yield lower but more realistic evaluation performance than traditional splits. Refnd is applicable to any dataset arising from an RGP such as protein sequences and structures, small molecules, and nucleotide sequences, and is openly available as a Rust accelerated Python package: pip install refnd.
• Abstract（参考訳）: バイオケミカルデータに基づいてトレーニングされた機械学習モデルは、リレーショナル構造を考慮できない分割を用いて定期的に評価される。 既存の分割法は理論的な基礎やスケールを欠いている。 本稿では,生物化学データセットに関係構造が生じる理由を説明する数学的形式化であるRelational Generative Process(RGP)と,階層的ナビゲート型小型世界(HNSW)を用いた対数時間で計算された近接グラフを利用した分割アルゴリズムRefndを紹介する。 抗微生物ペプチドデータセットを用いて,Refnd分画は従来の分画よりも低いが,より現実的な評価性能が得られることを示した。 Refndは、タンパク質配列や構造、小さな分子、ヌクレオチド配列などのRGPに由来するデータセットに適用でき、RustでアクセラレーションされたPythonパッケージとして公開されている: pip install refnd。

関連論文リスト

• Are You Learning Biological Signal or Shortcuts? Auditing and Mitigating Bias in Protein-Protein Interaction Datasets [0.9003755151302326]
  タンパク質-タンパク質相互作用(PPI)データベースは生物学的現実を忠実に反映していない。 機械学習モデルは、負のデータセットが慎重に構築されていない場合、これらを学習ショートカットとして利用することができる。 ここでは、生物信号の代わりに機械学習モデルにショートカットを学習させるPPIデータセットにおいて、報告されたと報告されていないバイアスの両方を体系的に特徴づける。
  論文  参考訳（メタデータ） (2026-09-09T14:02:18Z)
• REGEN: Reference-Guided Synthetic Multivariate Time Series Generation for Forecasting [7.771378647684901]
  本稿では,観測された配列を合成のための構造的足場として扱う参照誘導型生成パイプラインを提案する。 ReGeNの生成したデータは、最小限の予測劣化を伴う実兄弟データに一貫した代用であることを示す。 これは、低データのレシエーションにおいて、参照データが構造的に悪用される方法が、利用可能なデータ量と同じくらい重要であることを示唆している。
  論文  参考訳（メタデータ） (2026-06-03T16:19:55Z)
• Influence-Guided Symbolic Regression: Scientific Discovery via LLM-Driven Equation Search with Granular Feedback [56.69850045068714]
  逐次的2段階プロセスとして方程式発見をフレーム化する方法である textitInfluence-Guided Regression (IGSR) を導入する。 LLM-SRBench, 薬理学的PKPDモデル, 疫学シミュレーション, 実世界のゲノムデータなど, IGSRの有効性を示す。
  論文  参考訳（メタデータ） (2026-05-27T23:48:01Z)
• Oxytrees: Model Trees for Bipartite Learning [1.3854111346209868]
  Oxytreesはプロキシベースのビクラスタリングモデルツリーで、相互作用行列を行および列のプロキシ行列に圧縮する。 Oxytrees は Kronecker の製品カーネルを葉に用いた線形モデルを採用しており、結果としてより浅い木が生まれ、より高速な訓練が行われている。 我々は、最先端の二群林と比較して、訓練時間の最大30倍の改善を実現した。
  論文  参考訳（メタデータ） (2025-11-16T17:57:13Z)
• Efficient Sparsification of Simplicial Complexes via Local Densities of States [18.733437653246543]
  Simplicial Complex (SC) は、複雑なデータを分析するための一般的な抽象化となっている。 本研究では,状態の局所密度を用いたSCの確率的スパーシフィケーションのための新しい手法を開発した。 ビエトリス族上での我々のフレームワークの性能を実証する。
  論文  参考訳（メタデータ） (2025-02-11T13:51:42Z)
• Induced Covariance for Causal Discovery in Linear Sparse Structures [55.2480439325792]
  因果モデルでは、観測データから変数間の因果関係を解き明かそうとしている。 本稿では,変数が線形に疎結合な関係を示す設定のための新しい因果探索アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-02T04:01:38Z)
• Minimally Supervised Learning using Topological Projections in Self-Organizing Maps [55.31182147885694]
  自己組織化マップ(SOM)におけるトポロジカルプロジェクションに基づく半教師付き学習手法を提案する。 提案手法は,まずラベル付きデータ上でSOMを訓練し,最小限のラベル付きデータポイントをキーベストマッチングユニット(BMU)に割り当てる。 提案した最小教師付きモデルが従来の回帰手法を大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2024-01-12T22:51:48Z)
• Harmless interpolation in regression and classification with structured features [21.064512161584872]
  過度にパラメータ化されたニューラルネットワークは、ノイズの多いトレーニングデータに完全に適合するが、テストデータではうまく一般化する。 再生カーネルヒルベルト空間における上界回帰と分類リスクの一般かつ柔軟な枠組みを提案する。
  論文  参考訳（メタデータ） (2021-11-09T15:12:26Z)
• MIRACLE: Causally-Aware Imputation via Learning Missing Data Mechanisms [82.90843777097606]
  欠落データに対する因果認識型計算アルゴリズム(MIRACLE)を提案する。 MIRACLEは、欠落発生機構を同時にモデル化することにより、ベースラインの計算を反復的に洗練する。 我々は、MIRACLEが一貫してイミューテーションを改善することができることを示すために、合成および様々な公開データセットに関する広範な実験を行う。
  論文  参考訳（メタデータ） (2021-11-04T22:38:18Z)
• A Fast Parallel Tensor Decomposition with Optimal Stochastic Gradient Descent: an Application in Structural Damage Identification [1.536989504296526]
  本稿では, CANDECOMP/PARAFAC (CP) 分解を mathbbR I_1 times dots times I_N $ で並列化する新しいアルゴリズム FP-CPD を提案する。
  論文  参考訳（メタデータ） (2021-11-04T05:17:07Z)
• Predictive Coding Approximates Backprop along Arbitrary Computation Graphs [68.8204255655161]
  我々は、コア機械学習アーキテクチャを予測的符号化に翻訳する戦略を開発する。 私たちのモデルは、挑戦的な機械学習ベンチマークのバックプロップと同等に機能します。 本手法は,ニューラルネットワークに標準機械学習アルゴリズムを直接実装できる可能性を高める。
  論文  参考訳（メタデータ） (2020-06-07T15:35:47Z)
• New advances in enumerative biclustering algorithms with online partitioning [80.22629846165306]
  さらに、数値データセットの列に定数値を持つ最大二クラスタの効率的で完全で正しい非冗長列挙を実現できる二クラスタリングアルゴリズムであるRIn-Close_CVCを拡張した。 改良されたアルゴリズムはRIn-Close_CVC3と呼ばれ、RIn-Close_CVCの魅力的な特性を保ちます。
  論文  参考訳（メタデータ） (2020-03-07T14:54:26Z)

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。