論文の概要: IXPLORE: Bounded Ideal Point Estimation with Grid-Based Uncertainty Quantification

• arxiv url: http://arxiv.org/abs/2609.06018v1
• Date: Sat, 05 Sep 2026 10:46:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.181409
• Title: IXPLORE: Bounded Ideal Point Estimation with Grid-Based Uncertainty Quantification
• Title（参考訳）: IXPLORE:グリッドベースの不確実性定量化による境界値の理想点推定
• Abstract要約: IXPLOREは、予測適合目標と空間認識可能性関数を組み合わせた有界理想点推定アルゴリズムである。 調査、ロールコール、熟考を対象とする5つのベンチマークデータセットにおいて、このアプローチは、再構築と計算エラーに関するモデルベースおよびMLベースのアルゴリズムを超越する。 IXPLOREは、高速な推論と強い計算性能を備えた境界付き、解釈可能な政治地図を構築するための柔軟なフレームワークを提供する。
• 参考スコア（独自算出の注目度）: 0.20305676256390934
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Ideal point estimation is widely used to analyze and visualize political data. However, selecting the corresponding spatial model involves various trade-offs: while model-based approaches such as Item Response Theory (IRT) are based on utility functions rather than optimized for predictive accuracy, most Machine Learning (ML) alternatives struggle to generalize beyond training data when embedding sparse test responses. We introduce IXPLORE, a bounded ideal point estimation algorithm that combines a predictive fit objective with a sparsity-aware likelihood function. On five benchmark datasets spanning surveys, roll calls, and deliberation, this approach surpasses model-based and ML-based algorithms on reconstruction and imputation error - especially for users with sparse responses. Furthermore, we show that non-linear feature transforms can further reduce the reconstruction error while remaining visually interpretable. To quantify uncertainty, IXPLORE applies grid-based posterior inference on a bounded 2D latent space. Available as a Python package on PyPI, IXPLORE offers a flexible framework for constructing bounded, interpretable political maps with fast inference and strong imputation performance.
• Abstract（参考訳）: 理想的な点推定は、政治的データを分析して視覚化するために広く用いられている。 アイテム応答理論(IRT)のようなモデルベースのアプローチは、予測精度に最適化されるのではなくユーティリティ関数に基づいているが、ほとんどの機械学習(ML)代替案は、スパーステスト応答を埋め込む際に、トレーニングデータ以上の一般化に苦慮している。 IXPLOREは,予測適合目標と空間認識可能性関数を組み合わせた有界理想点推定アルゴリズムである。 調査、ロールコール、熟考にまたがる5つのベンチマークデータセットにおいて、このアプローチはモデルベースおよびMLベースの再構築と計算エラーに関するアルゴリズムを超越している。 さらに、非線形特徴変換は、視覚的に解釈可能でありながら、再構成誤差をさらに低減できることを示す。 不確実性を定量化するために、IXPLOREはグリッドベースの後続推論を有界な2次元潜在空間に適用する。 PyPI上のPythonパッケージとして利用可能であるIXPLOREは、高速な推論と強い計算性能を備えた境界付き、解釈可能な政治マップを構築するための柔軟なフレームワークを提供する。

関連論文リスト

• Going from a Representative Agent to Counterfactuals in Combinatorial Choice [1.7074019866492325]
  本稿では,二元多面体の集合からデータを抽出する意思決定問題について検討する。 本稿では,代表エージェントモデルに基づく非パラメトリックな非実例推論手法を提案する。
  論文  参考訳（メタデータ） (2025-05-29T15:24:23Z)
• pared: Model selection using multi-objective optimization [0.351124620232225]
  本稿では,モデル選択のための多目的最適化を実現するために,Rパッケージを解析する。 提案手法では,ガウス過程に基づく最適化を用いて,望ましいトレードオフを表す解を効率的に同定する。
  論文  参考訳（メタデータ） (2025-05-27T20:20:04Z)
• 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)
• Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
  凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。 このような問題は医学、物理学、機械学習で発生する。 両種類の雑音下で提案アルゴリズムの収束保証を行う。
  論文  参考訳（メタデータ） (2024-11-21T10:26:17Z)
• Bayesian Estimation and Tuning-Free Rank Detection for Probability Mass Function Tensors [17.640500920466984]
  本稿では,関節のPMFを推定し,そのランクを観測データから自動的に推定する新しい枠組みを提案する。 我々は、様々なモデルパラメータの後方分布を近似するために、変分推論(VI)に基づく決定論的解を導出し、さらに、変分推論(SVI)を利用して、VVIベースのアプローチのスケーラブルバージョンを開発する。 合成データと実映画レコメンデーションデータの両方を含む実験は、推定精度、自動ランク検出、計算効率の点で、VVIおよびSVIベースの手法の利点を示している。
  論文  参考訳（メタデータ） (2024-10-08T20:07:49Z)
• 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)
• 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)
• Approximate Bayesian Optimisation for Neural Networks [6.921210544516486]
  モデル選択の重要性を強調するために、機械学習アルゴリズムを自動化するための一連の作業が行われた。 理想主義的な方法で解析的トラクタビリティと計算可能性を解決する必要性は、効率と適用性を確保することを可能にしている。
  論文  参考訳（メタデータ） (2021-08-27T19:03:32Z)
• Piecewise linear regression and classification [0.20305676256390928]
  本稿では,線形予測器を用いた多変量回帰と分類問題の解法を提案する。 本論文で記述されたアルゴリズムのpython実装は、http://cse.lab.imtlucca.it/bemporad/parcで利用可能である。
  論文  参考訳（メタデータ） (2021-03-10T17:07:57Z)
• Canny-VO: Visual Odometry with RGB-D Cameras based on Geometric 3D-2D Edge Alignment [85.32080531133799]
  本稿では,自由形式の曲線登録に関する古典的な問題をレビューし,効率的なrgbdビジュアルオドメトリシステムcanny-voに適用する。 エッジ登録でよく用いられる距離変換の代替として、近似近接近傍場と配向近接近傍場という2つの方法が提案されている。 3D2Dエッジアライメントは、効率性と精度の両方の観点から、これらの代替製剤の恩恵を受けます。
  論文  参考訳（メタデータ） (2020-12-15T11:42:17Z)
• Efficient semidefinite-programming-based inference for binary and multi-class MRFs [83.09715052229782]
  分割関数やMAP推定をペアワイズMRFで効率的に計算する手法を提案する。 一般のバイナリMRFから完全多クラス設定への半定緩和を拡張し、解法を用いて再び効率的に解けるようなコンパクトな半定緩和を開発する。
  論文  参考訳（メタデータ） (2020-12-04T15:36:29Z)

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。