統計的ブースティングのためのベース学習者の脱選択-分布回帰への応用【JST・京大機械翻訳】

Stromer Annika; Staerk Christian; Klein Nadja; Weinhold Leonie; Titze Stephanie; Mayr Andreas

プレプリント

J-GLOBAL ID：202202210325626886 整理番号：22P0284269

統計的ブースティングのためのベース学習者の脱選択-分布回帰への応用【JST・京大機械翻訳】

Deselection of Base-Learners for Statistical Boosting -- with an Application to Distributional Regression

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年02月03日プレプリントサーバーでの情報更新日： 2022年02月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

コンポーネントワイズ勾配ブースティングのための可変選択強化のための新しい手順を示した。統計的ブースティングは機械学習から出現する計算アプローチであり,高次元データの存在下で回帰モデルを適合させる。さらに,アルゴリズムはデータ駆動変数選択につながる。しかし,実際には,最終モデルはいくつかの状況において多くの変数を含む傾向がある。これは特に低次元データ(p<n)で生じ,ここではブースティングの遅い過剰適合挙動を観測した。その結果,予測精度を変えずに最終モデルにより多くの変数を得た。これらの偽陽性の多くは,小さな係数で取り込まれ,従って,小さな影響を有するが,より大きなモデルをもたらす。著者らは,このアルゴリズムを,わずかな重要性で基底学習者を選択する機会を与えることによって,この問題を克服しようとした。著者らは,双晶ブースティングと同様に早期停止によるブースティングを含む代替方法と比較して,変数選択と予測性能への新しいアプローチの影響を分析する。慢性腎臓病患者に対する進行中のコホート研究のデータで著者らのアプローチを例証し,そこでは,健康関連クオリティオブライフ尺度に対する最も影響力のある予測因子を,ベータ回帰に基づく分布回帰アプローチで選択した。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

人工知能 , 数値計算

, , , ,

前のページに戻る