Development of clustering method based on kick-one-out method

• Project/Area Number: 25K21159
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 60030:Statistical science-related
• Research Institution: Tohoku University
• Principal Investigator: 大石 峰暉 東北大学, データ駆動科学・AI教育研究センター, 助教 (00878291)
• Project Period (FY): 2025-04-01 – 2028-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥4,810,000 (Direct Cost: ¥3,700,000、Indirect Cost: ¥1,110,000); Fiscal Year 2027: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000); Fiscal Year 2026: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000); Fiscal Year 2025: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
• Keywords: クラスタリング / 回帰モデル / モデル選択

Outline of Research at the Start

fused Lasso は回帰モデルのパラメータ推定における罰則付き推定法の1つで, 実応用上非常に有用である. 一方, その最適化は容易ではなく, いくつかの最適化アルゴリズムが提案されているものの, それらは一長一短である. 本研究では, 変数選択法の1つであるkick-one-out法に基づくクラスタリング法について検討し, 上述のfused Lassoの使いづらさを解決した新たな手法の開発を目指す. そのために, まずはクラスタリングの一致性を有するモデル選択規準の開発に取り組む. それに加え, 提案手法の数値的な性質を明らかにするためのシミュレーション研究も行う.