用可推广的分类器预测进行推理
Inference with generalizable classifier predictions
摘要：
本文讨论的问题，使统计推断的人口，只能通过分类预测确定。这个问题是由科学研究激发的，在这些研究中，一个群体的人类标签被一个分类器取代。为了使基于分类器预测的群体的下游分析是合理的，预测必须在实验条件下同等地推广。在本文中，我们正式的任务，统计推断使用分类器的预测，并提出引导程序，使推理与一个可推广的分类。我们通过大量的模拟和活细胞成像数据的案例研究证明了我们的方法的性能。
英文摘要：
This paper addresses the problem of making statistical inference about a population that can only be identified through classifier predictions. The problem is motivated by scientific studies in which human labels of a population are replaced by a classifier. For downstream analysis of the population based on classifier predictions to be sound, the predictions must generalize equally across experimental conditions. In this paper, we formalize the task of statistical inference using classifier predictions, and propose bootstrap procedures to allow inference with a generalizable classifier. We demonstrate the performance of our methods through extensive simulations and a case study with live cell imaging data.
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。
