0.前回までの復習
max-IWやmean-IWは
訓練データとテストデータの分布の違いに応じて重みを調整する手法ということを説明していきました。
今回の論文での結果は、
基本的なERMを用いるよりも
ERMに加えてmean-IWかmax-IWを取り入れた方がACCが上がったことが報告されています。
2013-2017までのACCの変動
max-IWの2017年のACCが他の評価指標よりも高くなっていることがわかります。
ERM 2013 0.924(±0.005) 2014 0.907(±0.006) 2015 0.886(±0.009) 2016 0.865(±0.006) 2017 0.855(±0.003)
ERM + mean-IW 2013 0.924(±0.005) 2014 0.917(±0.002) 2015 0.886(±0.003)
2016 0.866(±0.003) 2017 0.860(±0.002)
ERM + max-IW 2013 0.924(±0.005) 2014 0.921(±0.002) 2015 0.896(±0.006)
2016 0.871(±0.001) 2017 0.865(±0.005)
1.誤差の期待値
Epte[∆2] = Eptr[w(x)∆2] = Eptr[ˆw(x)∆2] + Eptr[(w(x) − ˆw(x))∆2]
Epte[∆2]というのは、テスト分布における誤差の期待値を表しています
それは経験分布の重み付関数と誤差の2乗から求めることができ、
さらに分解すると
２つの項に分解することが可能です。
^x(x)は、予測の重み付け誤差を指しています。
w(x)は、真の重みつけ誤差になります。
分からなかったこと
確率変数の期待値自体は
関数と変数の積を積分すれば求まりますが、
誤差が
関数と誤差の二乗で表すことが自分には分からなかったです。