「stat.ME」カテゴリーアーカイブ

Enhancing reliability in prediction intervals using point forecasters: Heteroscedastic Quantile Regression and Width-Adaptive Conformal Inference

投稿日: 2025年1月20日 作成者: jarxiv

要約 時系列予測の予測間隔を構築することは、特に点予測のみに依存している場合には … 続きを読む →

カテゴリー: cs.LG, stat.ME, stat.ML | Enhancing reliability in prediction intervals using point forecasters: Heteroscedastic Quantile Regression and Width-Adaptive Conformal Inference はコメントを受け付けていません

Conformal Prediction Sets with Improved Conditional Coverage using Trust Scores

投稿日: 2025年1月20日 作成者: jarxiv

要約 標準の等角予測はカバレッジに関してわずかな保証を提供しますが、予測セットが … 続きを読む →

カテゴリー: cs.AI, cs.LG, stat.ME, stat.ML | Conformal Prediction Sets with Improved Conditional Coverage using Trust Scores はコメントを受け付けていません

Generalized Kernel Thinning

投稿日: 2025年1月10日 作成者: jarxiv

要約 Dwivedi と Mackey (2021) のカーネル間引き (KT) … 続きを読む →

カテゴリー: cs.LG, math.ST, stat.ME, stat.ML, stat.TH | Generalized Kernel Thinning はコメントを受け付けていません

An Algorithmic Approach for Causal Health Equity: A Look at Race Differentials in Intensive Care Unit (ICU) Outcomes

投稿日: 2025年1月10日 作成者: jarxiv

要約 大規模なデータ収集と分析の新時代は、健康不平等の原因を診断し理解する機会を … 続きを読む →

カテゴリー: cs.AI, cs.LG, stat.AP, stat.ME | An Algorithmic Approach for Causal Health Equity: A Look at Race Differentials in Intensive Care Unit (ICU) Outcomes はコメントを受け付けていません

Asymptotic Inference for Multi-Stage Stationary Treatment Policy with Variable Selection

投稿日: 2025年1月9日 作成者: jarxiv

要約 動的な治療計画または方針は、個々の特徴に合わせて調整された複数の段階にわた … 続きを読む →

カテゴリー: cs.LG, stat.ME, stat.ML | Asymptotic Inference for Multi-Stage Stationary Treatment Policy with Variable Selection はコメントを受け付けていません

Combinations of distributional regression algorithms with application in uncertainty estimation of corrected satellite precipitation products

投稿日: 2025年1月7日 作成者: jarxiv

要約 効果的な意思決定を促進するには、降水量データセットに不確実性の推定値を含め … 続きを読む →

カテゴリー: cs.LG, stat.AP, stat.ME, stat.ML | Combinations of distributional regression algorithms with application in uncertainty estimation of corrected satellite precipitation products はコメントを受け付けていません

Large Language Models for Market Research: A Data-augmentation Approach

投稿日: 2025年1月7日 作成者: jarxiv

要約 大規模言語モデル (LLM) は、複雑な自然言語処理タスクに優れることで人 … 続きを読む →

カテゴリー: 62F12, 68T50, 90B60, cs.AI, cs.LG, G.3, stat.ME, stat.ML | Large Language Models for Market Research: A Data-augmentation Approach はコメントを受け付けていません

Deep Discrete Encoders: Identifiable Deep Generative Models for Rich Data with Discrete Latent Layers

投稿日: 2025年1月5日 作成者: jarxiv

要約 生成的AIの時代において、潜在表現を持つ深層生成モデル（DGM）は絶大な人 … 続きを読む →

カテゴリー: cs.LG, stat.ME, stat.ML | Deep Discrete Encoders: Identifiable Deep Generative Models for Rich Data with Discrete Latent Layers はコメントを受け付けていません

Towards Instance-Wise Calibration: Local Amortized Diagnostics and Reshaping of Conditional Densities (LADaR)

投稿日: 2024年12月31日 作成者: jarxiv

要約 複素入力 $\mathbf{x}$ を与えられたターゲット $y$ の条件 … 続きを読む →

カテゴリー: astro-ph.IM, cs.LG, stat.ME, stat.ML | Towards Instance-Wise Calibration: Local Amortized Diagnostics and Reshaping of Conditional Densities (LADaR) はコメントを受け付けていません

Causal Flow-based Variational Auto-Encoder for Disentangled Causal Representation Learning

投稿日: 2024年12月31日 作成者: jarxiv

要約 解きほぐされた表現学習は、各次元が基礎となる生成要因に対応する低次元表現を … 続きを読む →

カテゴリー: cs.LG, stat.ME | Causal Flow-based Variational Auto-Encoder for Disentangled Causal Representation Learning はコメントを受け付けていません