Sep, 2023

无需几乎没有训练的聚合相关估计

PDF
TL;DR通过考虑相关性，本文提出了不同的聚合规则，并将它们与朴素规则进行了比较。通过基于合成数据的各种实验证明，当关于误差之间的相关性已知足够信息时，最大似然聚合应该优先考虑。否则，通常情况下，建议使用一种称为嵌入式投票（EV）的方法。
estimation algorithmscorrelationsaggregation rulesmaximum likelihood aggregationembedded voting
发现论文，激发创造
  • 通用投票规则作为最大似然估计器

    该研究基于假设选票对于正确结果存在一定的误差感知模型，探索了选举中涉及到的选票、偏好聚合、获胜者、排序等方面的问题并提供了一种解决方法。

    Jul, 2012

  • 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

  • 关于知识图谱补全规则的聚合

    这篇论文介绍了知识图谱补全中规则学习方法的高效、可解释且与纯神经模型竞争的特点，提出了规则聚合问题的概念，并探讨了其理论基础。研究证明了现有的聚合方法可以通过对预测规则进行边缘推断操作来表示，并提出了一种既有效又被忽视的基准方法，与计算复杂度更高的方法具有竞争力。

    Sep, 2023

  • 在不确定性下结合预测：随机决策树的案例

    本研究探讨了多个概率预测方法，包括基于信任函数和可靠分类的方法以及我们称之为证据累加的原则。实验结果表明证据累加的效果优于投票和取平均值的方法，特别是在中等规模的叶子节点上。

    Aug, 2022

  • 镜像平均学习

    该研究论文研究了有限估计器或分类器的模型选择类型聚合问题，通过简单递归程序构建了一个新的估计器或分类器，并探讨了回归、分类和密度估计等几个问题。

    Nov, 2005

  • 走向群体学习：专家的分布式加权

    研究了多个质量不同的信号来源的信号聚合问题，旨在通过不同质量来源的离散报告，构建一个公正权重的最优聚合模型。

    Jun, 2022

  • 从聚合观察中学习

    本文提出了一个概率框架，将多实例学习扩展到多类分类和回归等其他问题，并引入一种新的一致性概念来表征估计器，证明了在温和的假设下具有良好的收敛性。实验证明，该方法在三种问题设置中具有有效性。

    Apr, 2020

  • 使用最大熵模型从汇总数据中学习

    本文研究了如何通过最大熵假设来学习到未观测特征分布的新模型，并将其应用于一类常见的隐私数据集聚合模式中，从而使得该模型在相应公共数据集上的性能与传统逻辑回归模型在全数据集上训练的性能相当。

    Oct, 2022

  • 协同过滤预测算法的实证分析

    该文章描述了几种算法来实现协同过滤或推荐系统，并使用不同的评估方法比较了它们的预测准确性。结果表明，在大多数情况下，每个节点具有决策树的贝叶斯网络和相关性方法优于贝叶斯聚类和向量相似度方法。

    Jan, 2013

  • 数据和相关性融合

    本研究提出建模 Web 数据源之间的互相关联性，并应用于数据真实性验证，以创建一个更干净的集成数据。

    Mar, 2015