「stat.ME」カテゴリーアーカイブ

$\texttt{causalAssembly}$: Generating Realistic Production Data for Benchmarking Causal Discovery

投稿日: 2024年2月15日 作成者: jarxiv

要約 因果関係発見のためのアルゴリズムは最近急速に進歩しており、複雑なデータを処 … 続きを読む →

カテゴリー: cs.LG, stat.ME, stat.ML | $\texttt{causalAssembly}$: Generating Realistic Production Data for Benchmarking Causal Discovery はコメントを受け付けていません

Adjustment Identification Distance: A gadjid for Causal Structure Learning

投稿日: 2024年2月14日 作成者: jarxiv

要約 因果関係発見アルゴリズムによって学習されたグラフの評価は困難です。2 つの … 続きを読む →

カテゴリー: cs.LG, stat.ME, stat.ML | Adjustment Identification Distance: A gadjid for Causal Structure Learning はコメントを受け付けていません

The Deep Latent Position Topic Model for Clustering and Representation of Networks with Textual Edges

投稿日: 2024年2月14日 作成者: jarxiv

要約 他者が公開したテキストコンテンツをユーザーが共有することにつながる数値的な … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SI, stat.ME | The Deep Latent Position Topic Model for Clustering and Representation of Networks with Textual Edges はコメントを受け付けていません

Omitted Labels in Causality: A Study of Paradoxes

投稿日: 2024年2月14日 作成者: jarxiv

要約 私たちは、トレーニング データが可能なラベルのサブセットに限定されている、 … 続きを読む →

カテゴリー: cs.AI, cs.IT, cs.LG, cs.SI, math.IT, stat.ME | Omitted Labels in Causality: A Study of Paradoxes はコメントを受け付けていません

Model Assessment and Selection under Temporal Distribution Shift

投稿日: 2024年2月14日 作成者: jarxiv

要約 現在の期間と過去の時代の両方からのデータセットを合成することにより、変化す … 続きを読む →

カテゴリー: 62G05, 62J02, cs.AI, cs.LG, stat.ME | Model Assessment and Selection under Temporal Distribution Shift はコメントを受け付けていません

Statistical exploration of the Manifold Hypothesis

投稿日: 2024年2月12日 作成者: jarxiv

要約 多様体仮説は、名目上高次元のデータが実際には高次元空間に埋め込まれた低次元 … 続きを読む →

カテゴリー: 62-08, 62G05, 62G20, 62H25, 62H30, 62R07, 62R20, 62R40, cs.LG, stat.ME, stat.ML | Statistical exploration of the Manifold Hypothesis はコメントを受け付けていません

Incentive-Theoretic Bayesian Inference for Collaborative Science

投稿日: 2024年2月9日 作成者: jarxiv

要約 現代の科学研究は分散型の共同作業であり、研究者、規制機関、資金提供機関、商 … 続きを読む →

カテゴリー: cs.GT, cs.LG, stat.ME, stat.ML | Incentive-Theoretic Bayesian Inference for Collaborative Science はコメントを受け付けていません

Answering Causal Queries at Layer 3 with DiscoSCMs-Embracing Heterogeneity

投稿日: 2024年2月9日 作成者: jarxiv

要約 因果推論の領域では、潜在的な結果 (PO) と構造的因果モデル (SCM) … 続きを読む →

カテゴリー: cs.AI, cs.LG, stat.ME | Answering Causal Queries at Layer 3 with DiscoSCMs-Embracing Heterogeneity はコメントを受け付けていません

Adaptive Experimental Design for Policy Learning

投稿日: 2024年2月9日 作成者: jarxiv

要約 証拠に基づいたターゲティングは、政策やビジネスの実務者の間で関心が高まって … 続きを読む →

カテゴリー: cs.AI, cs.LG, econ.EM, stat.ME, stat.ML | Adaptive Experimental Design for Policy Learning はコメントを受け付けていません

Vector Quantile Regression on Manifolds

投稿日: 2024年2月8日 作成者: jarxiv

要約 分位点回帰 (QR) は、説明的特徴が与えられたターゲット変数の条件付き分 … 続きを読む →

カテゴリー: cs.LG, stat.ME | Vector Quantile Regression on Manifolds はコメントを受け付けていません