首页/论文/2102.12735

arXiv 2102.127352021-02-25stat.ME

基于随机森林的面向量化的敏感性分析指标估计

Random Forest based Qantile Oriented Sensitivity Analysis indices estimation

Kevin Elie-Dit-Cosaque, Véronique Maume-Deschamps

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

我们提出了一个随机森林为基础的估计程序面向分位数的敏感性分析-QOSA。为了提高效率，需要对树的叶子大小进行交叉验证。我们的完整估计过程在模拟数据和真实数据集上进行了测试。

英文摘要：

We propose a random forest based estimation procedure for Quantile Oriented Sensitivity Analysis-QOSA. In order to be efficient, a cross validation step on the leaf size of trees is required. Our full estimation procedure is tested on both simulated data and a real dataset.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

流形斜随机森林：缩小卷积深度网络的差距

Manifold Oblique Random Forests: Towards Closing the Gap on Convolutional Deep Networks

Johns Hopkins University（约翰斯·霍普金斯大学）

决策森林（Forests），特别是随机森林和梯度提升树，与许多监督学习场景中的其他方法相比，已经证明了最先进的准确性。特别是，森林在表格数据中占主导地位的其他方法，也就是说，当特征空间是非结构化的，使得信号对特征索引的排列是不变的。然而，在位于流形上的结构化数据（如图像、文本和语音）中，深度网络（Network），特别是卷积深度网络（ConvNets）往往优于森林。我们推测，至少部分原因是网络的输入不仅仅是特征量，还有它们的索引。相比之下，朴素森林实现无法显式地考虑特征索引。最近提出的森林方法表明，森林，对于每个节点，隐式采样随机矩阵从一些特定的分布。这些森林，像某些类别的网络一样，通过将特征空间划分为对应于线性函数的凸多面体来学习。我们建立在这种方法的基础上，并表明，人们可以选择分布在一个流形感知的方式，将功能本地化。我们展示了经验性能的数据，其功能生活在三个不同的流形：一个环面，图像和时间序列。此外，我们在多变量模拟环境中证明了其优势，并且在预测癫痫患者的手术结果和从非运动脑区域的原始立体定向EEG数据预测运动方向方面也显示出优越性。在所有的模拟和真实数据中，流形斜随机森林（MORF）算法优于忽略特征空间结构的方法，并挑战了ConvNets的性能。此外，MORF运行速度快，并保持可解释性和理论的理由。

2022-09-05cs.LGstat.ML

面向分位数的敏感性分析

On quantile oriented sensitivity analysis

本文提出了分位数导向的敏感性指数（QOSA指数）和分位数导向的Shapley效应（QOSE）。QOSA指数的一些理论性质将给出QOSA指数和QOSE的几个计算将允许更好地理解这些指数的行为和利益。

2021-02-11math.PRstat.ME

随机森林的MDA：不一致性，以及通过Sobol-MDA的实用解决方案

MDA for random forests: inconsistency, and a practical solution via the Sobol-MDA

Safran Tech（赛峰科技）；Sorbonne Université（索邦大学）；CNRS（法国国家科学研究中心）；Ecole Polytechnique（巴黎综合理工学院）；IP Paris（巴黎理工学院）

变量重要性度量是分析随机森林黑箱机制的主要工具。虽然平均减少精度（MDA）被广泛接受为最有效的随机森林变量的重要性措施，很少有人知道它的统计特性。事实上，MDA的定义在主要的随机森林软件中各不相同。在本文中，我们的目标是严格分析主要MDA实现的行为。因此，我们数学形式化的各种实现MDA算法，然后建立他们的限制时，样本量增加。这种渐近分析表明，这些MDA版本不同的重要性措施，因为它们收敛到不同的数量。更重要的是，我们将这些限制分解为三个部分：前两项与Sobol指数相关，Sobol指数是协变量对响应方差的贡献的定义明确的度量，广泛用于敏感性分析领域，而第三项则相反，其值随着协变量内的依赖性而增加。因此，我们从理论上证明，MDA不针对正确的数量来检测有影响力的协变量在一个依赖的设置，一个事实，已经注意到实验。为了解决这个问题，我们为随机森林定义了一个新的重要性度量，Sobol-MDA，它修复了原始MDA的缺陷，并一致地估计了在没有给定协变量的情况下重新训练的森林的准确性下降，但具有有效的计算成本。Sobol-MDA在变量选择的模拟和真实数据上的经验表现优于其竞争对手。在R和C++中的开源实现可以在线获得。

2022-03-01cs.LGstat.ML

新的敏感性分析从属于对比

New sensitivity analysis subordinated to a contrast

在形式为$Y=h(X_1,\ldots,X_d)$的模型中，目标是估计$Y$的概率分布的参数，我们定义了新的灵敏度指数，其量化每个变量$X_i$相对于该感兴趣的参数的重要性。本文的目的是定义{ \it目标导向的敏感性指数}，我们将表明，Sobol指数的敏感性指数与一个特定的特征的分布$Y$。我们将我们提出的框架命名为{ \it目标导向敏感性分析}（GOSA）。

2013-05-10stat.ME

基于RNN、随机森林和XGBoost的不平衡数据分类建模：东盟五国股票市场早期崩盘检测案例

Classification Modeling with RNN-Based, Random Forest, and XGBoost for Imbalanced Data: A Case of Early Crash Detection in ASEAN-5 Stock Markets

IPB University（茂物农业大学）

本研究比较了简单RNN、GRU、LSTM与随机森林、XGBoost在东盟五国股市早期崩盘检测中的表现，使用SMOTE-ENN处理不平衡数据，发现简单RNN因数据短期特征而表现最优。

2024-09-29cs.AIstat.AP

机器学习回归模型在反特征值问题中的应用

Application of machine learning regression models to inverse eigenvalue problems

本研究从机器学习视角探讨反特征值问题的数值解，针对对称势的逆 Sturm-Liouville 问题与球对称折射率的逆传输特征值问题，利用直接问题生成数据集，训练 k-近邻、随机森林和多层感知机等监督回归模型，实验表明这些方法在适当调参后能有效求解逆特征值问题。

2022-12-08cs.NAmath.NAstat.ML

更多相关论文收起更多论文

具有多类型生成森林的正则化磁拉普拉斯算子的稀疏化

Sparsification of the regularized magnetic Laplacian with multi-type spanning forests

Université de Lille（里尔大学）；CNRS（法国国家科学研究中心）；Centrale Lille（里尔中央理工学院）；UMR 9189 - CRIStAL

本文研究大型稠密${\rm U}(1)$-联络图中磁拉普拉斯算子的稀疏化，提出利用行列式点过程采样多类型生成森林（MTSFs）以捕获角度不一致性，并提供了统计保证及在角度同步排序和半监督学习中的应用。

2024-03-20cs.LGcs.SIstat.ML

基于归一化流的高维面向可靠性的Shapley效应估计

High-dimensional reliability-oriented Shapley effects estimation

Institut de Mathématiques de Toulouse, UMR5219 CNRS（图卢兹数学研究所）；ONERA/DTIS, Université de Toulouse（法国航空航天研究院）；ANITI（人工智能与信任自然智能联合实验室）；Laboratoire Paul Painlevé, UMR8524 CNRS, Université de Lille（里尔大学保罗·潘勒韦实验室）；Institut Universitaire de France (IUF)（法兰西学院）

针对模型含大量相关输入变量的情况，提出利用单一失效点样本估计面向可靠性的Shapley效应，通过归一化流估计条件密度，并给出误差估计方法。

2026-10-26stat.ME

Shapley效应在具有相关输入的可靠性导向敏感性分析中的发展与应用

Developments and applications of Shapley effects to reliability-oriented sensitivity analysis with correlated inputs

本文提出基于Shapley值的“目标Shapley效应”新敏感性指数，用于在相关输入条件下度量输入对关键失效事件的影响，并给出两种估计算法及实际应用验证。

2021-05-19math.STstat.APstat.ME

通过函数主成分的混合模型表示进行物候曲线估计：表征卫星衍生的植被指数时间序列

Phenology curve estimation via a mixed model representation of functional principal components: Characterizing time series of satellite-derived vegetation indices

本文提出一种基于函数主成分混合模型的方法，利用卫星植被指数时间序列多年观测数据估计年度物候曲线，并通过微积分准则提取变绿、成熟等物候参数，有效表征了草原和农业区等近周期性植被的物候周期。

2024-03-21q-bio.QMstat.ME