無限次数U統計によるランダムフォレストの分散推定について【JST・京大機械翻訳】

Xu Tianning; Zhu Ruoqing; Shao Xiaofeng

プレプリント

J-GLOBAL ID：202202220143425660 整理番号：22P0291620

無限次数U統計によるランダムフォレストの分散推定について【JST・京大機械翻訳】

On Variance Estimation of Random Forests with Infinite-Order U-statistics

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 (3件)： , ,
資料名：
発行年： 2022年02月17日プレプリントサーバーでの情報更新日： 2023年02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)

無限次元U統計(IOUS)は,その不確実性を定量化するためにランダムフォレストのようなサブバッグアンサンブル学習アルゴリズムに広く使用されている。IOUSの正規性の結果は広く研究されているが,その分散推定アプローチと理論特性はほとんど未調査のままである。既存の手法は,主にHoeffding分解における主要な用語優位特性を利用する。しかしながら,そのような見解は,カーネルサイズが大か,あるいはサンプルサイズが小さいとき,通常,偏った推定につながる。一方,いくつかの不偏推定量が文献に存在する一方で,それらの関係と理論特性,特に比一貫性は,研究されていない。これらの限界は,構築した信頼区間の未保証性能につながる。文献のこれらのギャップを埋めるために,不偏推定量を導く分散推定のためのHoeffding分解の新しい見解を提案した。支配的な用語の優位性の代わりに,著者らの見解は,ピーク領域の優位を利用する。さらに,いくつかの既存の不偏分散推定器と推定子の接続と等価性を確立した。理論的には,ランダムフォレストから構築された信頼区間のカバレッジ率を正当化する,そのような分散推定子の比率一貫性を確立した。数値的に,著者らは,さらに,推定器の有限サンプル性能を改良するために,局所平滑化手順を提案した。大規模なシミュレーション研究は,著者らの推定器がより低いバイアスとアーカイブ目標範囲比率を楽しむことを示した。【JST・京大機械翻訳】

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

人工知能 , 数値計算 , システム・制御理論一般

, , , ,

前のページに戻る