2016 Fiscal Year Research-status Report
大標本高次元データに対するノンパラメトリック手法の開発
| Project/Area Number |
16K16018
|
|---|
| Research Institution | Shiga University |
|---|
Principal Investigator |
姫野 哲人 滋賀大学, データサイエンス教育研究センター, 准教授 (40452734)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 漸近理論 / 高次元データ / ノンパラメトリック |
|---|
| Outline of Annual Research Achievements |
本研究課題では、様々な分野で扱われるようになってきたビッグデータの解析のため、高次元データに対するノンパラメトリックな手法（データの分布を仮定せずに様々な判断を行う手法）の開発を行うことを目的としている。本年度は主に以下の研究を行った。
1.一般的な手法（ノンパラメトリックな手法）の開発に取り掛かる前段階として、線形判別分析におけるパラメトリックな手法（データの分布が正規分布であるという仮定の下での手法）の漸近的性質に関する共同研究を行った。一般に判別分析では、2つの群に対する誤判別確率（異なる群に所属すると誤って判断してしまう観測値の総数）を最小にするようにルールを作成する。しかし、対称でない二つの群を比較する場合は、一方の群への誤判別は小さくしたい（厳密に設定したい）が、もう一方の群への誤判別はそれほど小さくする必要がないということがありうる。そのようなケースに対応するため、一方の誤判別確率を一定の値に保つ判別ルールの作成を高次元データの枠組みの下で行った。
2.今までに発表した研究（高次元データにおける複数のグループの平均の比較（全ての平均が等しいという統計的検定問題）に関するノンパラメトリック手法の開発）の一般化に向け、過去の研究内容の見直し、及び他研究の調査等を実施した。また、過去に提案したノンパラメトリックなパラメータ推定法のさらなる有用性及び、手法の一般化について数値実験に基づく検証を行った。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
平成28年度は予定していた研究について、理論的な証明が完了せず、数値的検証を行うにとどまっている。
|
| Strategy for Future Research Activity |
過去の研究結果について、有用な特性を持つこと可能性が高いことが判明したので、その理論的な証明を含め、数値的に検証できた内容について、理論的な証明を行い、論文化を行っていく予定である。
|
| Causes of Carryover |
研究の遅延により、学会発表、論文作成等が遅れ、主に旅費、その他の部分で使用額が少なくなったため。
|
| Expenditure Plan for Carryover Budget |
次年度は研究の遅れ分を取り戻し、研究結果の成果報告に努め、残額を使用する。
|
