2022 Fiscal Year Annual Research Report
Research and development of nonlinear Selective Inference for high-dimensional and small number of samples data
| Project/Area Number |
20H04243
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
山田 誠 京都大学, 情報学研究科, 准教授 (00581323)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
下平 英寿 京都大学, 情報学研究科, 教授 (00290867)
POIGNARD BENJAMIN 大阪大学, 大学院経済学研究科, 講師 (40845252)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Keywords | 選択的推論 / 木構造最適輸送距離 |
|---|
| Outline of Annual Research Achievements |
本年度は、カーネル法に基づいた選択的推論手法を提案し, 提案手法をバイオデータに適用した. そして, 機械学習の難関国際会議であるAISTATS2022にて報告した [1]. 上記の結果に加え, 高次元データ解析手法を複数提案した. 具体的には, 木構造最適輸送に基づいたBarycenterの推定手法の提案 [2], 木構造最適輸送距離の学習方法を提案した [3]. これらの研究成果に関しても, AISTATS2022とTransactions on Machine Learning (TMLR)にそれぞれ報告した.
[1] Benjamin Poignard, Peter J. Naylor, Hector Climente-Gonzlez, Makoto Yamada: Feature screening with kernel knockoffs. AISTATS 2022: 1935-1974
[2]Yuki Takezawa, Ryoma Sato, Zornitsa Kozareva, Sujith Ravi, Makoto Yamada: Fixed Support Tree-Sliced Wasserstein Barycenter. AISTATS 2022: 1120-1137
[3]Makoto Yamada, Yuki Takezawa, Ryoma Sato, Han Bao, Zornitsa Kozareva, Sujith Ravi:
Approximating 1-Wasserstein Distance with Trees. TMLR 2022
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
前年度までに一つの目標であったHSIC Lassoの選択的推論の方法を提案することができており, 今年度はKnockoff filterを用いたカーネル法に基づいた選択的推論手法を提案することができた. したがって, 研究は順調に進展している.
|
| Strategy for Future Research Activity |
今年度は, knockoff filterとカーネル法に基づいたシンプルな選択的推論手法を提案した. 本年度は, knockoff filterとHSIC Lassoを融合したより検出力の高い選択的推論手法の研究に取り組む. さらに提案した方法の応用研究も実施する予定である.
|
