教師付き機械学習のためのサンプリングBias補正:実際的応用によるBayes推論アプローチ【JST・京大機械翻訳】

Sklar Max

プレプリント

J-GLOBAL ID：202202216969366506 整理番号：22P0302889

教師付き機械学習のためのサンプリングBias補正:実際的応用によるBayes推論アプローチ【JST・京大機械翻訳】

Sampling Bias Correction for Supervised Machine Learning: A Bayesian Inference Approach with Practical Applications

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 (1件)：
資料名：
発行年： 2022年03月11日プレプリントサーバーでの情報更新日： 2022年03月14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)

訓練セットが既知のサンプリングバイアスを受ける教師付き機械学習問題を考えると,元のデータセットに適合するためにモデルがどのように訓練されるか。サンプリング関数を説明するために事後分布を変更することによりBayes推論フレームワークを通してこれを達成した。次にこの解を二値ロジスティック回帰に適用し,データセットがラベル不均衡のような意図的サンプルバイアスを受ける可能性があるシナリオを考察した。この技術は,医療科学からマーケティングへの画像認識への大きなデータに関する統計的推論に広く適用可能である。それが,データ収集からモデル選択へのそれらの推論パイプラインを改良するための実践者ツールを与えるであろう。【JST・京大機械翻訳】

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

人工知能

, , ,

前のページに戻る