文献

J-GLOBAL ID：202002217164495571   整理番号：20A2253591

不均衡回帰と極値予測【JST・京大機械翻訳】

Imbalanced regression and extreme value prediction

著者 (4件)： Ribeiro Rita P. (INESC TEC, Porto, Portugal) ,  Ribeiro Rita P. (Department of Computer Science, Faculty of Sciences, University of Porto, Porto, Portugal) ,  Moniz Nuno (INESC TEC, Porto, Portugal) ,  Moniz Nuno (Department of Computer Science, Faculty of Sciences, University of Porto, Porto, Portugal)
資料名： Machine Learning  (Machine Learning)
巻： 109  号： 9-10  ページ： 1803-1835  発行年： 2020年 
JST資料番号： W2199A  ISSN： 0885-6125  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 不均衡ドメイン学習における研究は,希少クラスでラベル付けされたケースの正確な予測のために,分類タスクを解決することにほとんど焦点を合わせた。回帰タスクにおけるそのような問題に対処するアプローチは,2つの主な要因のためにまだ不足している。第1に,標準回帰タスクは各ドメイン値を等しく重要であると仮定する。第2に,標準評価尺度は,データ分布の最も一般的な値に関するモデルの性能を評価することに焦点を合わせる。本論文では,目的が極値(rare)値を予測することである不均衡回帰タスクに取り組むためのアプローチを示した。そのようなタスクを定式化し,予測モデルを最適化/評価するためのアプローチを提案し,関連する仕事における要因と課題を克服した。著者らは,非均一領域選好への目標値のマッピングとして関連性の概念上で構築する,関連性関数を得るための自動およびノンパラメトリック法を提案した。次に,著者らは,厳しいモデルバイアスを囲む間,極値の予測に対して有効性と最適化モデルを評価することができる新しい評価メトリックであるSERAを提案した。実験的研究は,SERAが不均衡な回帰タスクにおけるモデルの性能に有効かつ有用な洞察を提供することを示した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media LLC, part of Springer Nature 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  学習 ,  ノンパラメトリック法 ,  教師つき学習 ,  バイアス ,  有効性 ,  定式化 ,  予測モデル
準シソーラス用語： 不均衡 ,  目標値 ,  最適化モデル ,  評価尺度 ,  ホップ数 , 【Automatic Indexing@JST】

著者キーワード (4件)： 教師付き学習 ,  不均衡領域学習 ,  不均衡回帰 ,  極値予測

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 均衡 ,  極値 ,  予測