탐욕적 재귀 분할 추정기의 통계적-계산적 트레이드 오프: 병합된 계단식 속성을 만족하는 경우에만 고차원 일관성을 달성
이 논문은 탐욕적 회귀 트리(CART)가 병합된 계단식 속성(MSP)을 만족하는 회귀 함수에 대해서만 고차원 일관성을 달성한다는 것을 보여줍니다. 즉, MSP를 만족하지 않는 함수의 경우, CART는 특징의 수가 증가함에 따라 기하급수적으로 많은 샘플이 필요하며, 이는 고차원 데이터에서 성능이 저하될 수 있음을 의미합니다.
貪欲な再帰的分割推定量の統計的計算量に関するトレードオフ：併合階段状特性の必要性とSGD訓練されたニューラルネットワークとの比較
本稿では、決定木学習における貪欲アルゴリズムは、回帰関数が特定の構造（併合階段状特性）を持たない場合、高次元データにおいて統計的に非効率になることを示し、その限界を理論的に明らかにしています。
Statistical-Computational Trade-offs for Greedy Recursive Partitioning Estimators: When do Greedy Trees Fail?
Greedy tree-based algorithms, while popular for their efficiency, face limitations in high-dimensional regression when the true function lacks the Merged Staircase Property (MSP), highlighting a crucial statistical-computational trade-off.
Approximate Frank-Wolfe Algorithms for Graph-Structured Convex Optimization: An Analysis and Extension with Backtracking Line Search and Top-g+ Optimal Visiting
This article explores the application of approximate Frank-Wolfe algorithms to solve graph-structured convex optimization problems, focusing on improving the efficiency of finding optimal support sets within graph constraints. The authors introduce a novel Top-g+ optimal visiting method and incorporate backtracking line search to enhance convergence, demonstrating their effectiveness through experiments on a real-world graph dataset.
겹치는 네트워크를 제약 조건을 통해 통합하는 ION-C 알고리즘
ION-C 알고리즘은 여러 데이터 세트에서 학습된 겹치는 인과 그래프들을 통합하여, 데이터 세트 전반에 걸친 변수들 간의 인과 관계를 나타내는 전체 그래프의 가능한 해 집합을 도출하는 효율적인 방법을 제시합니다.
dsld：一個以社會議題為導向的統計學教學工具
dsld 軟體套件透過分析和視覺化工具，將社會議題與統計學教學結合，讓學生能探索和理解潛在的偏見和歧視，並學習如何應用機器學習演算法來減輕這些問題。
重複する変数を用いた複数のデータセットからの因果関係学習：制約に基づくアプローチ
本稿では、複数のデータセットに分散しており、一部の変数が重複して観測されている状況下において、観測データに基づいて可能なすべての因果関係を網羅的に学習する手法であるION-Cを提案する。
사회적 편견을 고려한 통계 교육 도구: dsld 패키지 소개
dsld는 사회적 차별을 분석하고 공정한 예측 모델을 구축하기 위한 통계적 도구를 제공하여 학생들에게 실제적이고 사회적으로 중요한 방식으로 통계를 가르치는 것을 목표로 하는 R 및 Python 패키지입니다.
ION-C: An Efficient Algorithm for Inferring Causal Structure from Multiple Overlapping Datasets Using Answer Set Programming
ION-C is a novel algorithm that leverages answer set programming to efficiently infer the set of possible causal structures (DAGs) consistent with a collection of causal graphs learned from overlapping datasets.
差別に対処する統計教育のための社会的に重要なツールとしてのdsld
dsldは、差別分析と公平な機械学習を通じて統計を教えるための強力なツールであり、現実世界の社会問題に統計の力を適用する方法を学生に示すことで、統計教育の関連性と魅力を高めます。
© 2024 by Linnk AI