Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  A Choice Model with Infinitely Many Latent Features

Görür, D., Jäkel, F., & Rasmussen, C. (2006). A Choice Model with Infinitely Many Latent Features. In W. Cohen, & A. Moore (Eds.), ICML '06: Proceedings of the 23rd International Conference on Machine Learning (pp. 361-368). New York, NY, USA: ACM Press.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-0013-D12F-9 Versions-Permalink: https://hdl.handle.net/21.11116/0000-0004-9A77-9
Genre: Konferenzbeitrag

Dateien

einblenden: Dateien
ausblenden: Dateien
:
ICML-2006-Goeruer.pdf (beliebiger Volltext), 248KB
Öffnen   Speichern
Datei-Permalink:
https://hdl.handle.net/21.11116/0000-0004-9A6D-5
Name:
ICML-2006-Goeruer.pdf
Beschreibung:
-
OA-Status:
Sichtbarkeit:
Öffentlich
MIME-Typ / Prüfsumme:
application/pdf / [MD5]
Technische Metadaten:
Öffnen
Copyright Datum:
-
Copyright Info:
-
Lizenz:
-

Externe Referenzen

einblenden:
ausblenden:
externe Referenz:
https://dl.acm.org/citation.cfm?doid=1143844.1143890 (Verlagsversion)
Beschreibung:
-
OA-Status:

Urheber

einblenden:
ausblenden:
 Urheber:
Görür, D1, 2, Autor           
Jäkel, F1, 2, Autor           
Rasmussen, CE1, 2, Autor           
Affiliations:
1Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497795              
2Max Planck Institute for Biological Cybernetics, Max Planck Society, Spemannstrasse 38, 72076 Tübingen, DE, ou_1497794              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: Elimination by aspects (EBA) is a probabilistic choice model describing how humans decide between several options. The options from which the choice is made are characterized by binary features and associated weights. For instance, when choosing which mobile phone to buy the features to consider may be: long lasting battery, color screen, etc. Existing methods for inferring the parameters of the model assume pre-specified features. However, the features that lead to the observed choices are not always known. Here, we present a non-parametric Bayesian model to infer the features of the options and the corresponding weights from choice data. We use the Indian buffet process (IBP) as a prior over the features. Inference using Markov chain Monte Carlo (MCMC) in conjugate IBP models has been previously described. The main contribution of this paper is an MCMC algorithm for the EBA model that can also be used in inference for other non-conjugate IBP models---this may broaden the use of IBP priors considerably.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2006-06
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: DOI: 10.1145/1143844.1143890
BibTex Citekey: 3959
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: 23rd International Conference on Machine Learning (ICML 2006)
Veranstaltungsort: Pittsburgh, PA, USA
Start-/Enddatum: 2006-06-25 - 2006-06-29

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: ICML '06: Proceedings of the 23rd International Conference on Machine Learning
Genre der Quelle: Konferenzband
 Urheber:
Cohen, W, Herausgeber
Moore, A, Herausgeber
Affiliations:
-
Ort, Verlag, Ausgabe: New York, NY, USA : ACM Press
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 361 - 368 Identifikator: ISBN: 1-59593-383-2