📊 통계학
Predictive Forecasting of Care Load
본 연구는 미국 보건복지부(HHS) 프로그램 내 미동반 소년 미성년자(UAC)의 단기 돌봄 수요를 예측하기 위해 엔지니어링된 특성과 머신러닝 모델을 사용하는 엔드 투 엔드 예측 시스템을 개발 및 배포하며, 인력 배치 및 수용 능력 계획 결정을 지원하기 위해 지속성 베이스라인과 최종 그래디언트 부스팅 모델 간의 성능 차이를 투명하게 기록한다.
📊 Category
stat
441 편의 논문
⚡ 전기공학
Why Variance Metrics Cannot Validate ComBat Harmonization: Evidence from Three-Vendor Mammography Radiomics
본 연구는 기존의 분산 기반 지표들이 비선형적인 벤더 특이적 패턴과 생물학적 신호 손실을 감지하지 못함으로써 ComBat 조화(harmonization)에 대해 동어반복적이고 오해의 소지가 있는 검증을 제공한다는 점을 입증하며, 따라서 진정한 교차 벤더 비교 가능성을 평가하기 위해서는 독립적인 비선형 분리성 테스트를 사용할 필요가 있음을 보여준다.
📊 통계학
Spectral Resonance Decomposition: Causal-Invariant Adaptive Basis Modeling with Calibrated Uncertainty
이 논문은 스펙트럼 공명 분해(Spectral Resonance Decomposition)를 활용하여 트리 기반 앙상블 수준의 정확도를 유지하면서도 엄격한 불확실성 정량화와 투명성을 제공하는, 인과 불변적이고 해석 가능한 비선형 기저 함수를 합성하는 새로운 예측 프레임워크인 AstralModel을 소개한다.
📊 통계학
Lévy-Regularized Bayesian Neural Networks for Fair Reserve Estimation under Solvency II
본 논문은 솔벤시 II(Solvency II) 체계 하에서 생명보험 준비금 추정의 정확도와 형평성을 유의미하게 개선하기 위해, 측도론적 가치 평가, 템퍼드 안정 노이즈 주입, 그리고 인과적 공정성 조정을 통합한 레비 정규화 베이지안 신경망 프레임워크를 제안하며, 이는 특히 팬데믹과 같은 극단적인 인구 통계학적 충격 상황에서 효과적이다.
📊 통계학
Statistical mechanics of data-driven modeling
이 논문은 추론을 정보 열역학의 제1법칙에 의해 지배되는 물리적 과정으로 취급하고, 비정형적인 규제 없이 열용량 이상 현상을 활용하여 최적의 모델 구조를 내생적으로 식별하는 제인스의 최대 엔트로피 원리에 기반한 데이터 구동형 모델링을 위한 열역학적 프레임워크를 구축한다.
📊 통계학
Geostatistical Reachability for Qualifying Spatial Model Classes Before Predictive Ranking
이 논문은 예측적 순위 산정 이전에 어떠한 허용 가능한 모델이라도 특정 구조적 진단치를 재현할 수 있는지 여부를 평가함으로써 공간 모델 클래스를 검증하여, 단순한 예측 성능과 구조적 적합성 및 관측 가능성을 구별하는 시뮬레이션 보정 프레임워크인 "지질통계학적 도달 가능성(geostatistical reachability)"을 소개한다.
📊 통계학
A new six parameters generalized Weibull-Kumaraswamy-{Lomax) Distribution with a Novel Linear Series Expansion of Its Probability Density
본 논문은 T-X 패밀리 프레임워크를 사용하여 새로운 6-매개변수 일반화 와이불-쿠마라스와미-로맥스 분포를 도입하고, 이의 기본 함수들을 유도하며, 원 모멘트(raw moments)와 엔트로피의 계산을 단순화하기 위해 확률 밀도 함수에 대한 새로운 선형 급수 전개를 제안한다.
📊 통계학
Intrinsic predictability rather than urban structure governs machine learning forecast skill for electricity demand
이 논문은 도시의 전력 수요에 대한 머신러닝 모델의 예측 성능이 도시의 구조적 특성이나 지리적 위치보다는 도시의 과거 부하 패턴(구체적으로는 계절적 변동성과 온도 민감도)의 내재적 예측 가능성에 의해 주로 결정된다고 주장한다.
📊 통계학
Calibration Algorithms for Multiscale Geographically and Temporally Weighted Regression: Parameter Recovery, Uncertainty Calibration, and Computational Scaling
본 연구는 탑다운 스케일(Top-Down Scale, TDS) 알고리즘을 다중 스케일 지리적 시공간 가중 회귀 분석을 위한 계산 효율적이고 통계적으로 견고한 벤치마크로 확립하며, 34,938개의 인구 조사 관측치에 대한 종단적 분석을 통해 파라미터 복구 및 불확실성 보정 측면에서 기존 방법론보다 우월함을 입증하는 동시에 상파울루의 뚜렷한 다중 스케일 도시 동인을 밝혀낸다.
📊 통계학
Hybrid Statistical Modeling and Machine Learning Ensemblers for Interpretable HIV Viral Load Prediction Among Clients on Antiretroviral Therapy
본 연구는 우간다의 570만 건의 바이러스 수치 기록을 사용하여 ART 클라이언트의 차기 방문 바이러스 수치를 정확하게 예측하기 위해 스태킹 기반 앙상블 머신러닝 모델을 개발 및 검증하였으며, R² 0.85의 우수한 성능을 달달성하고 모델 해석력을 위해 LIME을 활용하였다.