論文の概要: Online Quantile Omniprediction for Proper Losses

• arxiv url: http://arxiv.org/abs/2610.21342v1
• Date: Thu, 15 Oct 2026 06:27:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.218715
• Title: Online Quantile Omniprediction for Proper Losses
• Title（参考訳）: 適正な損失に対するオンライン量子検定法
• Abstract要約: 本稿では、離散的だが他の任意の確率レベルの集合上での量子の集合として表現される予測について考察する。 我々は,全ての適切な損失に対して同時に正確である予測を構築するために,サンプル効率のアルゴリズムを開発した。 我々のアルゴリズムはオンラインであり、動的環境でも動作可能であり、同時に複数の損失を考慮に入れている。
• 参考スコア（独自算出の注目度）: 44.85219510236603
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The task of constructing a predictor that is simultaneously accurate under multiple evaluation metrics has been popularized recently under the name omniprediction. Prior work in this area has largely focused on binary prediction tasks, and existing results for multiclass and continuous outcomes typically suffer from slow error rates. In this paper, we consider forecasts expressed as a set of quantiles over a discrete but otherwise arbitrary set of probability levels. We develop sample-efficient algorithms for constructing forecasts that are accurate simultaneously across all proper losses that satisfy mild regularity conditions, where proper losses are those minimized by predicting the true quantiles. Our algorithms are online and can operate in a dynamic environment, while simultaneously taking multiple losses into account, and their forecasts offer the potential to provide diverse end-users with rich information for evaluating risk and informing a range of practical decision-making tasks. As an example, we demonstrate how our procedure can be used to ensemble quantile forecasts of COVID-19 hospitalizations made by experts during the pandemic.
• Abstract（参考訳）: 複数の評価基準の下で同時に正確である予測器を構築するタスクは、最近、omnipredictionという名前で一般化されている。 この領域での以前の研究は、バイナリ予測タスクに主に焦点を合わせており、既存のマルチクラスおよび連続的な結果に対する結果は通常、遅いエラー率に悩まされる。 本稿では、離散的だが他の任意の確率レベルの集合上での量子の集合として表現される予測について考察する。 そこで本研究では,正則性条件を満たす全ての適切な損失を同時に正確に予測し,真の量子化を予測することで適切な損失を最小化するための,サンプル効率のアルゴリズムを開発した。 当社のアルゴリズムはオンラインであり,複数の損失を同時に考慮しながら,動的環境下での運用が可能であり,その予測は,多様なエンドユーザに対して,リスク評価やさまざまな実用的な意思決定タスクの報知を行うための豊富な情報を提供する可能性がある。 一例として、新型コロナウイルスの感染拡大に伴う専門家による入院の量的予測をまとめるために、当社の手順をどのように利用できるかを示す。

関連論文リスト

• Proper Scoring Rule-based Diffusion for Probabilistic Weather Forecasting [59.015610520217734]
  我々は,コンテキストとその劣化バージョンから,同じ将来状態を予測できる補助的条件記述タスクを導入する。 推測時には、予測器は、完全に破損したエンドポイントにおいて、単一の前方通過で各アンサンブル部材を生成することができる。
  論文  参考訳（メタデータ） (2026-09-29T22:47:10Z)
• Calibrated Probabilistic Forecasts for Arbitrary Sequences [58.54729945445505]
  実際のデータストリームは、分散シフトやフィードバックループ、敵アクターによって予測不可能に変化する可能性がある。 データがどのように進化するかに関わらず、有効な不確実性推定を保証するための予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-27T21:46:42Z)
• Any-Quantile Probabilistic Forecasting of Short-Term Electricity Demand [8.068451210598678]
  電力システムは、決定論的に説明できない複数の要因から生じる不確実性の下で運用される。 ディープラーニングの最近の進歩は、ポイント予測の精度を大幅に向上させるのに役立っている。 任意の量子を予測できる分布予測のための新しい一般手法を提案する。
  論文  参考訳（メタデータ） (2024-04-26T14:43:19Z)
• Regions of Reliability in the Evaluation of Multivariate Probabilistic Forecasts [73.33395097728128]
  時系列予測評価のための適切なスコアリングルールに関する最初の体系的な有限サンプル研究を提供する。 本研究では, 地中構造と予測分布のいくつかの重要な相違点をテストするために, 総合的な総合的合成ベンチマークを用いて解析を行った。
  論文  参考訳（メタデータ） (2023-04-19T17:38:42Z)
• Quantile Risk Control: A Flexible Framework for Bounding the Probability of High-Loss Predictions [11.842061466957686]
  本稿では,予測器によって得られた損失分布の量子化の系を生成するフレキシブルな枠組みを提案する。 予測性能を定量化するための情報的手法としてQuantileを示し,そのフレームワークが様々なQuantileベースのメトリクスに適用可能であることを示す。
  論文  参考訳（メタデータ） (2022-12-27T22:08:29Z)
• Unifying Lower Bounds on Prediction Dimension of Consistent Convex Surrogates [12.751555473216683]
  予測タスクを考えると、一貫した凸サーロゲート損失を設計できるかどうかを理解することは、機械学習研究の重要な領域です。 我々はこれらの設定をプロパティ・エリシテーションのツールを用いて統一し、予測次元の一般的な下限を与える。 我々の下限は、離散的な予測の場合の既存の結果を厳しくし、以前のキャリブレーションに基づく境界は、主にプロパティ・エリケーションによって回復可能であることを示す。 連続推定では, リスクと不確実性の指標を推定し, 未解決の問題に対処する。
  論文  参考訳（メタデータ） (2021-02-16T15:29:05Z)
• Ambiguity in Sequential Data: Predicting Uncertain Futures with Recurrent Models [110.82452096672182]
  逐次データによる曖昧な予測を扱うために,Multiple hypothesis Prediction(MHP)モデルの拡張を提案する。 また、不確実性を考慮するのに適した曖昧な問題に対する新しい尺度も導入する。
  論文  参考訳（メタデータ） (2020-03-10T09:15:42Z)

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。