「stat.ME」カテゴリーアーカイブ

Covid19 Reproduction Number: Credibility Intervals by Blockwise Proximal Monte Carlo Samplers

投稿日: 2023年3月9日 作成者: jarxiv

要約 Covid19のパンデミックを監視することは、かなりの研究努力を受けた重要 … 続きを読む →

カテゴリー: cs.LG, eess.SP, stat.AP, stat.ME, stat.ML | Covid19 Reproduction Number: Credibility Intervals by Blockwise Proximal Monte Carlo Samplers はコメントを受け付けていません

Meta-learning Control Variates: Variance Reduction with Limited Data

投稿日: 2023年3月9日 作成者: jarxiv

要約 制御変量は、モンテカルロ推定量の分散を減らすための強力なツールになる可能性 … 続きを読む →

カテゴリー: cs.LG, stat.ME, stat.ML | Meta-learning Control Variates: Variance Reduction with Limited Data はコメントを受け付けていません

Safe Testing

投稿日: 2023年3月8日 作成者: jarxiv

要約 e 値に基づいて仮説検定の理論を開発します。これは、p 値とは異なり、新し … 続きを読む →

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

Falsification of Internal and External Validity in Observational Studies via Conditional Moment Restrictions

投稿日: 2023年3月7日 作成者: jarxiv

要約 ランダム化比較試験（RCT）は、新しい治療法を評価するために信頼されていま … 続きを読む →

カテゴリー: cs.LG, stat.ME | Falsification of Internal and External Validity in Observational Studies via Conditional Moment Restrictions はコメントを受け付けていません

Comparison of machine learning algorithms for merging gridded satellite and earth-observed precipitation data

投稿日: 2023年3月6日 作成者: jarxiv

要約 衛星降水量のグリッドデータは、広い地域を高密度にカバーしているため、水文学 … 続きを読む →

カテゴリー: cs.LG, physics.ao-ph, stat.AP, stat.CO, stat.ME | Comparison of machine learning algorithms for merging gridded satellite and earth-observed precipitation data はコメントを受け付けていません

Comparison of tree-based ensemble algorithms for merging satellite and earth-observed precipitation data at the daily time scale

投稿日: 2023年3月6日 作成者: jarxiv

要約 衛星降水観測データと地上観測データを統合することは、広い地域を同時に高密度 … 続きを読む →

カテゴリー: cs.LG, stat.AP, stat.CO, stat.ME | Comparison of tree-based ensemble algorithms for merging satellite and earth-observed precipitation data at the daily time scale はコメントを受け付けていません

Don’t fear the unlabelled: safe semi-supervised learning via simple debiasing

投稿日: 2023年3月6日 作成者: jarxiv

要約 半教師付き学習(SSL)は、ラベルのないデータを活用してモデルの性能を向上 … 続きを読む →

カテゴリー: cs.AI, cs.LG, stat.CO, stat.ME, stat.ML | Don’t fear the unlabelled: safe semi-supervised learning via simple debiasing はコメントを受け付けていません

Hyperparameter Tuning and Model Evaluation in Causal Effect Estimation

投稿日: 2023年3月3日 作成者: jarxiv

要約 ほとんどの因果効果推定器のパフォーマンスは、観測データの高次元非線形関数の … 続きを読む →

カテゴリー: cs.LG, stat.ME | Hyperparameter Tuning and Model Evaluation in Causal Effect Estimation はコメントを受け付けていません

Causal isotonic calibration for heterogeneous treatment effects

投稿日: 2023年2月28日 作成者: jarxiv

要約 因果等張キャリブレーション、不均一な治療効果の予測因子をキャリブレーション … 続きを読む →

カテゴリー: cs.LG, stat.ME, stat.ML | Causal isotonic calibration for heterogeneous treatment effects はコメントを受け付けていません

Personalized Pricing with Invalid Instrumental Variables: Identification, Estimation, and Policy Learning

投稿日: 2023年2月27日 作成者: jarxiv

要約 販売者の収益を最大化するために、個々の顧客の特性に基づく価格設定が広く使用 … 続きを読む →

カテゴリー: cs.LG, econ.EM, stat.ME, stat.ML | Personalized Pricing with Invalid Instrumental Variables: Identification, Estimation, and Policy Learning はコメントを受け付けていません