論文の概要: Selective Inference for CART with Binary Outcomes

• arxiv url: http://arxiv.org/abs/2609.24949v1
• Date: Mon, 21 Sep 2026 17:44:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:01.4488
• Title: Selective Inference for CART with Binary Outcomes
• Title（参考訳）: バイナリ出力を持つCARTの選択的推論
• Abstract要約: 決定論的Gini CARTにより選択された親の共通成功確率の有限サンプル条件付きテストを開発する。 建設は、選択された分割、その祖先のパス、親の成功総数、および外部の成果に関するすべての許容されたカットポイントと条件を保持します。 2子の定数リスクモデルの中で、選択されたカウント法則は、その条件付きカウントの分散に等しい情報を持つ指数族である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Binary classification trees select subgroups using the same outcomes later used to assess their differences. We develop finite-sample conditional tests of a common success probability within a parent selected by deterministic Gini CART. The construction retains all eligible cutpoints and conditions on the selected split, its ancestor path, the parent success total, and outside outcomes. The resulting uniform label fiber gives an exact count distribution, while a reversible parallel Monte Carlo construction yields super-uniform inclusive and exactly uniform tie-randomized p-values for any prespecified finite run budget. Within a two-child constant-risk model, the selected count law is an exponential family with information equal to its conditional count variance. We separate information loss from computational limitations and exhibit a selected fiber disconnected under single-label swaps. Simulations with 200 or 400 observations, ten independent or correlated predictors, and trees of depth three show conservative inclusive tests and nontrivial power for large risk differences. At 400 observations and a generating risk difference of 0.4, randomized rejection conditional on reaching the prespecified third-level target is 51--71\%, while selection followed by rejection occurs in 11--21\% of datasets. Smaller signals remain difficult to detect, and a representative fivefold increase in computation gives little power improvement. The guarantee concerns parent homogeneity, or equality of two constant child risks, and does not cover equality of heterogeneous regional averages.
• Abstract（参考訳）: バイナリ分類木は、後にそれらの違いを評価するために使われる同じ結果を用いて、サブグループを選択する。 決定論的Gini CARTにより選択された親の共通成功確率の有限サンプル条件付きテストを開発する。 建設は、選択された分割、その祖先のパス、親の成功総数、および外部の成果に関するすべての許容されたカットポイントと条件を保持します。 結果として得られる一様ラベルファイバーは正確な数分布を与えるが、可逆なモンテカルロ構成は任意の所定の有限実行予算に対して超一様かつ正確に一様となるp-値を与える。 2子の定数リスクモデルの中で、選択されたカウント法則は、その条件付きカウントの分散に等しい情報を持つ指数族である。 我々は,情報損失を計算上の制限から分離し,単一ラベルスワップの下で選択されたファイバー切断を示す。 200から400の観測、10の独立または相関した予測子、深度3の木のシミュレーションは、大きなリスク差に対する保守的な包括的テストと非自明なパワーを示している。 400の観測と0.4の生成リスク差において、予め特定された第3レベルの目標に達する確率化された拒絶条件は51--71\%であり、選択後の拒絶条件は11--21\%のデータセットで発生する。 より小さな信号は検出しづらいままであり、5倍の計算量の増加は電力改善をほとんど与えない。 この保証は、親の同質性、または2つの一定子リスクの平等に関係しており、異種地域平均の平等をカバーしていない。

関連論文リスト

• What Fixed-Rollout pass@k Evaluations Can Identify [3.0318216701273397]
  繰り返しサンプリング評価は、問題毎に収集されたサンプル数nをはるかに超え、pass@kを外挿する。 プール/ランダム・タスク条件付きビノミカルモデルでは、固定nの成功回数は、潜在タスク毎の成功分布の n 自由モーメントのみを識別する。
  論文  参考訳（メタデータ） (2026-09-08T10:27:52Z)
• Optimal Stratified Allocation for Rare-Event Onset Forecasting in Dependent Sequences [2.2632368327435732]
  我々は,K0とK1を2つの層に配置した設計の下で,サブサンプルKnから全体のリスクを推定する。 重み付きリスク推定器の厳密な有限個体群分散をクラス条件によるサンプリングで導出する。
  論文  参考訳（メタデータ） (2026-09-03T19:38:01Z)
• One-step lowest-variance selection in a Gaussian random-field model motivated by masked diffusion: Total correlation and a square root collision threshold [8.230831152671708]
  マスク付き離散拡散における信頼誘導型並列アンマスキングの動機付けにより、スタイリングされたガウス確率場モデルにおける1つの選択ステップについて検討する。 その結果、マスク付き離散拡散における厳密な信頼幾何と空間相関が一段階選択に結びついている。
  論文  参考訳（メタデータ） (2026-07-20T03:56:34Z)
• Finite-Sample Selected Covariance Spectra in Classical Shadows [45.85698554568285]
  主定理は任意のシャドウプロトコルに適用される。 固定された局所的次元を持つ一般の局所積影プロトコルでは、有限重積オブザーバブルは、サポートサイズと局所再構成係数によって制御される境界に導かれる。 偏りのある局所パウリ影に対しては、選択されたパウリ支援と局所基底選択確率から閉形式の有界性を評価する。
  論文  参考訳（メタデータ） (2026-05-30T04:46:49Z)
• Ternary Decision Trees with Locally-Adaptive Uncertainty Zones [0.0]
  3次決定木は、最適しきい値を中心とする半幅デルタの不確かさゾーンを持つ各分割ノードを増大させる。 デルタは、標準のCART分割探索時に既に利用可能な統計から各ノードでローカルに計算される。 デルタ推定手法として,品質プレート,クラスオーバーラップ,ゲイン比,ノードブートストラップ,マージンの5つを評価した。
  論文  参考訳（メタデータ） (2026-05-21T17:11:19Z)
• Towards Self-Supervised Covariance Estimation in Deep Heteroscedastic Regression [102.24287051757469]
  深部異方性回帰における自己教師付き共分散推定について検討する。 正規分布の間の2-ワッサーシュタイン距離の上界を導出する。 幅広い合成データセットと実データセットに対する実験により、提案された2-ワッサーシュタインと擬似ラベルアノテーションが結合した結果、計算的に安価で正確な深部ヘテロ代用回帰が導かれることが示された。
  論文  参考訳（メタデータ） (2025-02-14T22:37:11Z)
• Minimum variance threshold for epsilon-lexicase selection [0.7373617024876725]
  メソッドは、両親を選択するための基準として、データセット全体の平均エラーに依存することが多い。 本稿では,エラーを2つの分割に分割し,分割における全分散を最小化する新しい基準を提案する。 実世界のデータセットにおける従来のepsilon-lexicase選択と比較して,本手法の方が優れた性能を示した。
  論文  参考訳（メタデータ） (2024-04-08T23:47:26Z)
• Correcting Underrepresentation and Intersectional Bias for Classification [49.1574468325115]
  我々は、表現不足のバイアスによって破損したデータから学習する問題を考察する。 偏りのないデータの少ない場合、グループワイドのドロップアウト率を効率的に推定できることが示される。 本アルゴリズムは,有限VC次元のモデルクラスに対して,効率的な学習を可能にする。
  論文  参考訳（メタデータ） (2023-06-19T18:25:44Z)
• A Unified Joint Maximum Mean Discrepancy for Domain Adaptation [73.44809425486767]
  本論文は,最適化が容易なjmmdの統一形式を理論的に導出する。 統合JMMDから、JMMDは分類に有利な特徴ラベル依存を低下させることを示す。 本稿では,その依存を促進する新たなmmd行列を提案し,ラベル分布シフトにロバストな新しいラベルカーネルを考案する。
  論文  参考訳（メタデータ） (2021-01-25T09:46:14Z)

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。