2014 Fiscal Year Annual Research Report
統計的機械学習理論に基づく非線形多変量解析手法の開発研究
| Project/Area Number |
24700280
|
|---|
| Research Institution | The University of Electro-Communications |
|---|
Principal Investigator |
川野 秀一 電気通信大学, その他の研究科, 准教授 (50611448)
|
|---|
| Project Period (FY) |
2012-04-01 – 2015-03-31
|
| Keywords | 機械学習 / 判別分析 / 関数データ解析 / モデル評価基準 / スパース学習 / 正則化法 |
|---|
| Outline of Annual Research Achievements |
本研究は，所属既知のデータだけではなく所属未知のデータも積極的にモデルの構築に組み込む半教師あり学習法を含む非線形統計手法の開発，ならびにその推定・評価方法を確立することを目的としている．平成24年度および平成25年度においては，得られたデータ集合が関数の場合における半教師ありモデリング手法，ラベルあり・なしデータが異分布性を有する場合の半教師あり学習法，L1型推定法の一つであるブリッジ推定を拡張した適応的ブリッジ推定法を各々提案し，得られた成果を国内外の学会で発表するとともに学術論文として発表してきた．昨年度までの研究実績を踏まえ発展させ，平成26年度は以下のような研究成果を挙げた．
1. 昨年度ブリッジ推定により推定された統計モデルの評価基準を提案しているが，シミュレーション，実データ解析を通して，この評価基準と他のL1型推定法との更なる検証を行った．具体的には，ブリッジ正則化項が非凸正則化項であることを考慮に入れ，同じ非凸型であるSCAD正則化項やMCP正則化項を持つ統計モデルと比較し，提案モデリングの有効性を確認した．
2. 非線形統計モデルの柔軟さを適応的に制御するL1型推定法の研究を行った．具体的には，L1型推定法により領域を選択し，選択された領域上に基底関数を配置してモデルを構築する2段階推定法を提案した．特に，正則化項の提案およびアルゴリズムの開発を中心に行った．この結果，複雑なデータに対しても過適合することなく有用な情報を抽出することに成功した．
3. L1型推定法の一つであるlasso推定法に対する評価基準を一般化線形モデルの枠組みで導出した．これによって，従来，交差検証法のみで評価されてきたlassoモデルを様々な角度から評価することが可能となった．
|
Research Products
(12 results)
