論文の概要: Min-Marginal Power Indices for Multi-Objective Feature Selection

• arxiv url: http://arxiv.org/abs/2610.33885v1
• Date: Sat, 24 Oct 2026 19:52:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.476993
• Title: Min-Marginal Power Indices for Multi-Objective Feature Selection
• Title（参考訳）: 多目的特徴選択のための最小マルジナルパワー指標
• Abstract要約: バイナリユーティリティオブジェクトゲーム上でMin-Marginal Power Index(MinPI)を定義する。 MinPI は値 -1, 0, +1 を取り、各特徴を有害、中性、決定的にラベル付けする。 6つのベンチマークデータセットで、MinPIは分析された機能の12.5%を削除した。
• 参考スコア（独自算出の注目度）: 1.647210198730602
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Game-theoretic feature selection scores each feature by its average marginal contribution across coalitions. An average shows whether a feature helps overall, but not whether, in some coalition, adding it turns an acceptable model into an unacceptable one. Building on minimum marginal aggregation, we define the Min-Marginal Power Index (MinPI) on a binary utility-threshold game. For a fixed quota, MinPI takes the value -1, 0, or +1 and labels each feature harmful, neutral, or decisive. A harmful label carries its own evidence, an evaluated coalition in which adding the feature drops utility below the quota, so no score cutoff is needed; finite-budget estimators keep this property but may miss harmful features. We use MinPI to propose feature removals, which are accepted only if they pass a validation gate, and to prefilter multi-objective search. On six benchmark datasets over five seeds, MinPI removed 12.5% of analyzed features with almost no loss of held-out utility. On Madelon and Abalone, where it removed the most, its removals cost far less held-out utility than random removals of the same size. Prefiltering increased the dataset-averaged hypervolume of multi-objective search in all five seeds. MinPI is therefore a conservative feature-deletion step whose gains are largest where the data contain many removable features.
• Abstract（参考訳）: ゲーム理論の特徴選択は、それぞれの特徴を、連立間の平均的な限界貢献によってスコア付けする。 平均は、ある機能が全体的な助けになるかどうかを示すが、ある連立で、許容できるモデルを追加して受け入れがたいものに変えるかどうかを示す。 最小限の辺縁アグリゲーションに基づいて、二元効用閾値ゲーム上でMin-Marginal Power Index(MinPI)を定義する。 固定クォータの場合、MinPIは値 -1, 0, +1 を受け取り、各特徴を有害、中性、決定的にラベル付けする。 有害なラベルには独自の証拠があり、機能追加が有効性をクォータの下に落としてしまうという評価された連立関係があるため、スコアカットは不要であり、有限予算推定器はこの資産を維持しているが有害な特徴を見逃す可能性がある。 我々はMinPIを用いて、検証ゲートを通過する場合にのみ受け入れられる特徴除去を提案し、多目的探索をプリフィルタする。 6つのベンチマークデータセットで、MinPIは分析された機能の12.5%を削除した。 マデロンとアバロンでは、取り外しコストは、同じサイズのランダムな取り外しよりもはるかに少ない。 プレファイタリングは,5種すべてにおいて,多目的探索のデータセット平均超体積を増加させた。 したがってMinPIは、データが取り外し可能な多くの特徴を含む最大ゲインを持つ、保守的な機能削除ステップである。

関連論文リスト

• Efficient Detection of Bad Benchmark Items with Novel Scalability Coefficients [3.058685580689604]
  異方性回帰に基づく非パラメトリックな拡張係数の新たなファミリを導入する。 中心的な寄与は符号付きイソトニック$R2$であり、これは説明可能な1つの項目における分散の最大比率を測定する。 符号付き等方性$R2$は単調予測器の中で極端であることを示す。
  論文  参考訳（メタデータ） (2026-03-26T03:47:49Z)
• Is the MMI Criterion Necessary for Interpretability? Degenerating Non-causal Features to Plain Noise for Self-Rationalization [17.26418974819275]
  本稿では, 突発的特徴をプレーンノイズとして扱う新しい基準を開発する。 実験により、我々のMDD基準は、近年の競争力のあるMMIの変種と比較して、有理量品質(人間注釈の有理量との重なりによって測定される)を最大10.4%向上させることが示された。
  論文  参考訳（メタデータ） (2024-10-08T13:04:02Z)
• Optimizing Partial Area Under the Top-k Curve: Theory and Practice [151.5072746015253]
  トップk曲線下部分領域(AUTKC)と呼ばれる新しい計量法を開発した。 AUTKCはより優れた識別能力を持ち、ベイズ最適スコア関数は条件付き確率に対して正しいトップKランクを与えることができる。 提案手法を最適化するために,実証的なサロゲートリスク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） (2022-09-03T11:09:13Z)
• On the Eigenvalues of Global Covariance Pooling for Fine-grained Visual Recognition [65.67315418971688]
  グローバル共分散プーリング(GCP)の小さな固有値をトラッピングすることで、よりスムーズな勾配が得られることを示す。 きめ細かいデータセットでは、小さな固有値の切り抜きは、モデルを収束させるのに失敗する。 この観測から着想を得て,小さな固有値の重要性を拡大するネットワーク分岐を提案する。
  論文  参考訳（メタデータ） (2022-05-26T11:41:36Z)
• Unsupervised Features Ranking via Coalitional Game Theory for Categorical Data [0.28675177318965034]
  教師なしの機能選択は、機能の数を減らすことを目的としている。 導出特徴の選択は、冗長率を下げる競合する手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-05-17T14:17:36Z)
• Pessimistic Minimax Value Iteration: Provably Efficient Equilibrium Learning from Offline Datasets [101.5329678997916]
  両プレイヤーゼロサムマルコフゲーム(MG)をオフライン環境で研究する。 目標は、事前収集されたデータセットに基づいて、近似的なナッシュ均衡(NE)ポリシーペアを見つけることである。
  論文  参考訳（メタデータ） (2022-02-15T15:39:30Z)
• Quality-aware Part Models for Occluded Person Re-identification [77.24920810798505]
  咬合は人体再識別(ReID)にとって大きな課題となる 既存のアプローチは一般的に、計算効率とReIDの精度の両面で最適であるように、目に見える身体の部品を推測するための外部ツールに依存している。 閉塞型ReIDのためのQPM(Quality-Aware Part Models)という新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-01-01T03:51:09Z)
• Rethinking Ranking-based Loss Functions: Only Penalizing Negative Instances before Positive Ones is Enough [55.55081785232991]
  負のインスタンスを正のインスタンスの前にペナルティ化するだけで十分である、と我々は主張する。 APベースの損失に従う代わりに、我々は新たな損失、すなわち、正のインスタンス(PNP)の前に負のインスタンスを罰することを提案する。 PNP-Dは、1つのクラスに複数のローカルクラスタを含む実世界のデータに適している。
  論文  参考訳（メタデータ） (2021-02-09T04:30:15Z)
• Sparse Feature Selection Makes Batch Reinforcement Learning More Sample Efficient [62.24615324523435]
  本稿では,スパース線形関数近似を用いた高次元バッチ強化学習(RL)の統計的解析を行う。 候補となる機能が多数存在する場合,提案手法がバッチRLをより効率的にサンプリングできるという事実に光を当てる。
  論文  参考訳（メタデータ） (2020-11-08T16:48:02Z)

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。