Feb, 2023

将专家意见纳入统计模型的可观察量中 -- 通用框架

PDF
TL;DR本文章提出了一种采用损失函数更新引入专家意见的先验概率而非指定先验概率参数可观测量的方法，该方法不仅能够简便地将专家的意见纳入，同时也对专家提供的信息进行了更具体的处理，使得模型参数不但更好地拟合数据，也更符合实际情况。
expert opinionloss functionobservable quantitiesmodel parametersflexible specification
发现论文，激发创造
  • 更新信念分布的一般框架

    我们提出了一个泛贝叶斯推理的框架，利用损失函数将数据信息与感兴趣参数相连，并使用累计损失函数的决策论方法更新信念，从而在更一般的情况下提供连贯的主观推断。

    Jun, 2013

  • 多信息源优化

    针对黑盒函数优化问题，本文提出了一种新算法，通过价值信息分析决策，处理了由模型差异和噪音观测所带来的不确定性，并在实验中验证了其相对其他先进技术具有更高的目标价值和更少的探索成本。

    Mar, 2016

  • 基于散乱数据逼近的观测特定解释

    本研究介绍了观测特定解释的定义，通过为每个数据点分配与其在预测过程中的重要性成比例的分数。这种解释涉及对感兴趣的黑匣子模型中最具影响力的观测的识别。通过利用正交匹配追踪算法构建散乱数据逼近的代理模型来估计这些解释的建议方法。该方法在模拟和真实世界数据集上得到验证。

    Apr, 2024

  • 利用积极征询专家知识增强的贝叶斯优化

    本文介绍了一种基于贝叶斯优化的多任务学习方法，其中引入了专家知识进行加速优化，并通过 Siamese 神经网络进行知识收集，实验结果表明，该方法可以显著加速优化过程。

    Aug, 2022

  • 将专家判断融入机器学习模型

    本文提出了一个新的框架，通过对无标签数据点的代表性进行评估，利用专家的判断来改进机器学习模型的预测，并在多项实验和评估中获得了成功的结果和评价指标。

    Apr, 2023

  • 无监督观点聚合 —— 统计角度

    本论文探讨了一种统计方法，利用专家的意见而无需真实的事实来推断每位专家的能力，并利用众人之智的原理测量每位专家的能力，进而提出一种完全无监督的朴素贝叶斯分类器的技术，并证明该技术在大类问题中是渐进最优的。同时，将该方法应用于大规模意见聚合、基于有限意见的决策制定。

    Aug, 2023

  • 专家引导的贝叶斯优化方法用于已知系统的人机交互式实验设计

    通过高通量（批处理）贝叶斯优化和人类决策理论，本文提出一种方法，使领域专家能够影响最优实验的选择。该方法旨在解决人类在离散选择上比连续选择更擅长的假设，并在每次迭代中通过求解增广多目标优化问题返回备选解集合，从中专家选择一个进行评估。研究表明，即使在无经验的情况下，该算法仍能恢复标准贝叶斯优化的遗憾。

    Dec, 2023

  • 域通用中未被观察到的混淆因素计算

    本文探讨了如何从多个数据集和关于基础数据生成模型的定性假设组合中学习出强健、通用的预测模型。通过定义不同的不变性特性，我们的方法旨在在未观察到混淆因素的情况下建立因果性的解，从而连接数据分布的一组仿射组合上的显式分布鲁棒优化问题。我们在医疗保健数据上展示了我们方法的实证表现。

    Jul, 2020

  • 通过专家知识引导的 n->1 回归

    针对极小的 $n$ 大 $p$ 条件，我们考虑回归问题，其中样本数量 $n$ 相对于维度 $p$ 很小，且不能在没有先前知识的情况下预测特征。 我们提出了一个简单的小 $n$ 环境下的证据策略，并推导出策略最优的条件，我们在模拟专家的实验中发现，所提出的策略可以极大地提高预测准确性。

    May, 2016

  • 专家和组合游戏的二阶分位数方法

    本文介绍了一种适应性的算法，它基于聚合一定范围内的学习速率的潜在函数，旨在在困难程度不同的数据上确定性能更好的连续性决策制定策略。

    Feb, 2015