Masahiro Kato
PulseAugur coverage of Masahiro Kato — every cluster mentioning Masahiro Kato across labs, papers, and developer communities, ranked by signal.
-
新的Riesz回归框架统一了去偏机器学习
研究人员引入了广义Riesz回归，这是一个旨在统一和改进去偏机器学习技术的新框架。该新方法利用Bregman散度下的Riesz表示拟合，提供了一种灵活的方法，可以适应各种回归目标。该框架建立了经验Riesz方程，可以精确控制系统误差并实现正交得分恒等式，其推导出的收敛速率适用于稀疏模型、再生核希尔伯特空间模型和神经网络。
-
新论文详细介绍了有限总体的顺序审计抽样
一篇新的arXiv论文详细介绍了一种用于有限总体的顺序审计抽样程序，旨在为审计师提供合理的保证。该方法将额外的检查制定为不放回抽样的顺序假设检验，使用可容忍的偏差率和边距来定义假设和停止边界。该程序可以通过超几何递归精确地用于简单随机抽样，允许在固定间隔或最大样本量下做出决策，并且还可以适应单边误差控制或对选定项目的完整检查。
-
新研究详细介绍了 minimax 和 Bayes 最优最佳臂识别策略
Masahiro Kato 的一篇新研究论文介绍了一种在固定预算场景下进行最佳臂识别的新策略。提出的自适应程序包括一个两阶段采样阶段，首先进行均匀分配以消除次优臂并估计方差。随后，通过解决一个高斯 minimax 博弈来确定第二阶段的采样策略和决策规则。该策略被证明在简单遗憾方面同时具有渐近 minimax 和 Bayes 最优性，其上限与已建立的下限相匹配，并且不需要了解结果分布或先验知识。
-
新方法利用未标记数据增强处理效应估计
研究人员开发了使用半监督学习和辅助未标记协变量进行处理效应估计的新方法。他们提出的预测驱动因果推断框架通过纳入这些额外数据，引入了效率界限和渐近方差更低的估计器。该研究考虑了单样本（删失）和双样本（病例对照）两种情况，在两种场景下均证明了估计精度的提高。