2009 Fiscal Year Annual Research Report
機械学習による高次元小標本データ解析法の開発と暗号解読への応用
| Project/Area Number |
21700308
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
川喜田 雅則 Kyushu University, システム情報科学研究院, 助教 (90435496)
|
|---|
| Keywords | 統計的学習理論 / n≪p問題 / 変数選択 / 変数選択 |
|---|
| Research Abstract |
1. 逆向きに飛び出す予測分布
駒木により曲指数型分布の一次有効推定量のプラグイン分布はm埋め込み曲率方向にm埋め込み平均曲率分シフトすると予測が期待値的に最も改善されることが知られている。しかしシフトの導出は積分を含むため高次元の場合は困難である。本研究では容易に計算可能で、かつ期待値が上記のシフトと一致するシフトを提案した。
2. 密度比推定を用いた半教師付き回帰法
密度比推定量に基づく半教師付き回帰法を提案した。与えられたラベル付きデータとラベル無しデータの分布が異なるときは双方のデータの従う密度の比を重みとした重み付き最尤推定が有効であることが知られている。本研究ではそれらの分布が同じ場合でも敢えて密度比を推定すると予測が改善されることを示した。またこの方法と、逸見らが提案したインポータンスサンプリングにおけるパラドックス的効果との関連を明らかにした。
3. 半教師付き回帰のためのモデル選択基準
2の方法についてラベル付きデータの標本数が少ないときでも有効なモデル選択基準を提案した。
|
Research Products
(3 results)
