Oct, 2014

缺失响应问题中的 Oracle 多重稳健和多用途校准

PDF
TL;DR本文提出了一种多工作回归模型的校准方法，可用于估计单个或多个参数，当缺失概率被正确指定且假设了多个条件均值工作回归模型时，具有奥拉克尔（Oracle）性质，在缺失数据机制被错误指定时，仍可成为一致估计量，可使用共同的校准权重同时获得所有感兴趣参数的半参数效率界，并且与生物统计学、计量经济学和调查抽样中许多现有的估计方法有联系。
发现论文，激发创造
  • 带辅助数据的广义矩估计模型的半参数效率

    本研究探讨了通过辅助数据确定缺失数据条件概率的情况下，通过一般矩限制定义的参数的半参数效率界和有效估计。发现在两个样本是独立的情况下，条件概率不是辅助的。针对所有情况，提出了高效的半参数估计器，其中基于条件期望投影的估计器所需的正则性条件较小。

    May, 2007

  • 具有贝叶斯数据重新加权的强健概率建模

    本研究提出了一种方法，通过将每个观察的可能性变为一种权重，从数据中推断连续变量和权重，以检测和减轻大量概率模型的不匹配性，并明确不同类型的不匹配性对模型的影响与表现，这有助于提高模型的鲁棒性和预测准确性。

    Jun, 2016

  • 基于分位数自助法的反向概率加权估计灵敏度分析

    本文提出了一种边际灵敏度模型，使用逆概率权重估计器构建置信区间，通过百分位自助法和广义极小 / 极大不等式来将这个难以处理的问题转化为线性分数规划问题，这个方法可以很有效地解决实际问题。

    Nov, 2017

  • 超越协变量偏移的多重校准与外域推广的桥梁

    通过多校准，建立一个新的无模型偏见优化框架，确保预测器在一组重叠群体中实现校准，从而与协变量偏移下的统计推断的稳健性相关联，并扩展多校准以包括考虑协变量和标签的分组函数，从而实现包括概念变化在内的预测任务的稳健性。

    Jun, 2024

  • 多分类校准函数

    简化针对多分类替代损失计算校准函数的过程，提出了一种流线化分析方法，以得到利于非参数设置的紧凑且精确的校准函数，而无需为每种新的替代损失重新推导。

    Sep, 2016

  • 非参数方法下的无分布模型无关回归校准

    本文提出了针对回归模型的不确定性量化问题的非参数校准方法，该方法能够简单高效地提升模型个体校准的性能。通过数值实验，证明其优越性。

    May, 2023

  • 正交因果校准

    本文提供了一个通用框架，用于校准涉及干扰估计的预测器，并使用所谓的 Neyman 正交概念证明了对于任意损失函数，任何因果参数估计的校准误差上界，进而分析了两种样本分割算法在因果校准中的收敛性。

    Jun, 2024

  • 多类别分类中的校准测试：一个统一的框架

    文章讨论了多类别分类中的概率模型拟合和校准问题，并提出了一种基于矩阵核的估计器来解释校准度量的测试统计量。

    Oct, 2019

  • 无监督下协变量偏移的校准

    在安全关键应用的不确定性量化和决策中，概率模型的校准至关重要，在存在最小协变量转移时，针对校准的问题已受到广泛研究，我们提出了一种基于重要性采样的方法来解决这个问题，并在真实数据集和合成数据集上评估和讨论了我们的方法的有效性。

    Jun, 2020

  • 超越分类的校准测试

    这篇论文提出了第一个框架，统一了概率预测模型的校准评估和测试，并应用于分类和任意维度回归模型。

    Oct, 2022