「stat.ME」カテゴリーアーカイブ

Are ensembles getting better all the time?

投稿日: 2023年11月30日 作成者: jarxiv

要約 アンサンブル メソッドは、複数の基本モデルの予測を組み合わせます。 私たち … 続きを読む →

カテゴリー: cs.LG, math.ST, stat.ME, stat.ML, stat.TH | Are ensembles getting better all the time? はコメントを受け付けていません

Policy Learning with Asymmetric Counterfactual Utilities

投稿日: 2023年11月29日 作成者: jarxiv

要約 データに基づいた意思決定は、医療や公共政策のような一か八かの場面でも重要な … 続きを読む →

カテゴリー: cs.LG, stat.ME, stat.ML | Policy Learning with Asymmetric Counterfactual Utilities はコメントを受け付けていません

FedECA: A Federated External Control Arm Method for Causal Inference with Time-To-Event Data in Distributed Settings

投稿日: 2023年11月29日 作成者: jarxiv

要約 外部対照群 (ECA) は、実験薬の初期臨床開発に情報を提供し、非ランダム … 続きを読む →

カテゴリー: cs.DC, cs.LG, stat.ME | FedECA: A Federated External Control Arm Method for Causal Inference with Time-To-Event Data in Distributed Settings はコメントを受け付けていません

Adaptive Bayesian Learning with Action and State-Dependent Signal Variance

投稿日: 2023年11月29日 作成者: jarxiv

要約 この原稿は、アクションと状態に依存する信号の分散を意思決定モデルに組み込む … 続きを読む →

カテゴリー: cs.LG, econ.EM, math.ST, stat.ME, stat.TH | Adaptive Bayesian Learning with Action and State-Dependent Signal Variance はコメントを受け付けていません

Debiasing Multimodal Models via Causal Information Minimization

投稿日: 2023年11月29日 作成者: jarxiv

要約 因果的介入法や推論法など、マルチモーダル モデルに対する既存のバイアス除去 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG, stat.ME | Debiasing Multimodal Models via Causal Information Minimization はコメントを受け付けていません

RCT Rejection Sampling for Causal Estimation Evaluation

投稿日: 2023年11月28日 作成者: jarxiv

要約 交絡は、観察データから因果関係を公平に推定する上で大きな障害となります。 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, stat.ME | RCT Rejection Sampling for Causal Estimation Evaluation はコメントを受け付けていません

Annotation Sensitivity: Training Data Collection Methods Affect Model Performance

投稿日: 2023年11月27日 作成者: jarxiv

要約 人間のアノテーターからトレーニング データが収集される場合、アノテーション … 続きを読む →

カテゴリー: cs.CL, cs.LG, stat.ME, stat.ML | Annotation Sensitivity: Training Data Collection Methods Affect Model Performance はコメントを受け付けていません

Covariance alignment: from maximum likelihood estimation to Gromov-Wasserstein

投稿日: 2023年11月23日 作成者: jarxiv

要約 特徴アライメント手法は、データのプール、アノテーション、比較のために多くの … 続きを読む →

カテゴリー: 05C60, 49Q22, 62R07, 90B80, cs.LG, G.3, math.ST, Primary 62C20, stat.ME, stat.ML, stat.TH | Covariance alignment: from maximum likelihood estimation to Gromov-Wasserstein はコメントを受け付けていません

Towards a Transportable Causal Network Model Based on Observational Healthcare Data

投稿日: 2023年11月21日 作成者: jarxiv

要約 過去数十年にわたり、人工知能技術に基づく多くの予後モデルが、医療分野での詳 … 続きを読む →

カテゴリー: cs.AI, cs.LG, stat.ME | Towards a Transportable Causal Network Model Based on Observational Healthcare Data はコメントを受け付けていません

Handling Overlapping Asymmetric Datasets — A Twice Penalized P-Spline Approach

投稿日: 2023年11月21日 作成者: jarxiv

要約 重複する非対称データセットはデータ サイエンスでは一般的であり、それらを予 … 続きを読む →

カテゴリー: cs.LG, stat.ME, stat.ML | Handling Overlapping Asymmetric Datasets — A Twice Penalized P-Spline Approach はコメントを受け付けていません