KNOWLEDGE VAULT — GENRE
表データ
収蔵 6件最新 2026-11-18
このジャンルのタグ
月別アーカイブ
2026-11 の収蔵
2026-11-18
学校でのスマホ禁止措置がテストスコアを改善させるという実証的エビデンス
New Evidence Shows School Phone Bans Are Gradually Improving Test Scores
出典:Hacker News (Top Stories)(HN Score: 612 pts by donohoe)
- 学校におけるスマートフォン利用禁止措置が、生徒のテストスコアを段階的に改善させるという新たな証拠の提示。
- 単なる「禁止」という介入が、学習への集中力向上を通じて認知能力のパフォーマンスを向上させる因果関係を浮き彫りにする。
- 教育データ、行動ログ、および介入前後(Pre-Post)の比較分析を含む因果推論のデータセットで威力を発揮する。
2026-11-17
Amazonのセールにおける「偽の割引」構造と価格操作のデータ分析
Many of Amazon’s Black Friday and Cyber Monday “Deals” Offered No Savings
出典:Hacker News (Top Stories)(HN Score: 221 pts by DeepLogin)
- Amazonのブラックフライデー/サイバーマンデーにおける「割引」の約3割に実質的な値引きがないことが判明。
- 単純な「割引率」を特徴量とするのではなく、過去の価格推移や競合比較を含む動的な価格構造の把握が必要。
- ECプラットフォームの価格予測、異常検知、および消費者行動のモデリングにおいて極めて有効。
2026-11-15
自己選択バイアス下における多項式時間線形回帰アルゴリズムの確立
Linear Regression with Self-Selection Bias in Polynomial Time
出典:arXiv stat.ML (Statistical ML)(Authors: Felix Zhou | 2026-11-12)
- 自己選択バイアス(特定の条件を満たすデータのみが観測される状況)が存在する環境下での線形回帰推定問題に関する研究。
- 既存手法(GM24, KMZ26等)が$k$に対して指数関数的な計算量を要するのに対し、本手法は$k$に対して多項式時間での解法を提示。
- 回帰変数間に相関ノイズが存在する「Max-Affine Regression」等の複雑な潜在変数問題において、高い計算効率を発揮する。
2026-11-14
保険数理における「構造的安定性」の定量化:透明なモデルの更新時における挙動変化の制御
Quantifying structural stability of transparent models for general insurance pricing
出典:arXiv cs.LG (Machine Learning)(Authors: Félix Côté, Marie-Pier Côté | 2026-11-12)
- 保険契約の短期間性によるデータ分布の変化に対し、モデル更新時の「構造的安定性(予測だけでなくモデル構造自体の変化)」を評価する手法を提案。
- 「機能的透明性(Functional Transparency)」の概念と「平均二乗形状関数距離(Mean Squared Shape function distance)」を導入し、決定木以外のモデルでも構造変化を定量化可能にした。
- EBM(Explainable Boosting Machines)やXGBoostにおいて、逐次モデリングやハイパーパラメータ固定といった戦略が、精度を維持しつつ構造的安定性を劇的に改善することを実証。
2026-11-08
教育データマイニングにおけるCHAIDベースの成績予測モデル
A CHAID Based Performance Prediction Model in Educational Data Mining
出典:arXiv Core: Conformal, Calibration & Optimal Transport(Authors: M. Ramaswami, R. Bhaskaran | 2010-02-05)
- インドの高校教育における学生の学業成績を予測し、学習の遅れがある生徒の特定と主要因の分析を行う。
- タミルナード州の5校から収集した1000件のデータセット(一次および二次ソース)を基に調査を実施。
- 欠損値の補完やデータ変換を含む前処理を行い、学業成績に影響を与える支配的な要因を特定する。
2026-11-08
ヘルスケアにおけるプライバシー保護機械学習:現在の課題と将来の展望
Privacy-preserving machine learning for healthcare: open challenges and future perspectives
出典:arXiv Core: Causal Inference, Double ML & Graph Laplacian(Authors: Alejandro Guerra-Manzanares, L. Julian Lechuga Lopez, Michail Maniatakos et al. | 2023-03-27)
- ヘルスケア分野における疾患診断や治療予測における機械学習の成功と、医療データの機密性に伴うプライバシー保護の重要性を指摘。
- モデルの学習から推論に至るまでの全パイプラインにおけるプライバシー保護機械学習(PPML)の最新動向を包括的にレビュー。
- プライバシー保護型学習および推論サービス(Inference-as-a-Service)における現在の課題を特定し、実世界への応用に向けた将来の研究方向を提示。
このページの要約は、収集パイプラインが自動生成した digest(要約)です。内容の正確なところは、必ず各項目の出典リンク先の原文で確認してください。出典の本文そのものは掲載していません。ジャンル分けも自動分類のため、周辺の話題が混ざることがあります。