| 研究課題/領域番号 |
15K15946
|
|---|
| 研究種目 |
若手研究(B)
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
統計科学
|
|---|
| 研究機関 | 東京工業大学 |
|---|
研究代表者 |
片山 翔太 東京工業大学, 工学院, 助教 (50742459)
|
|---|
| 研究期間 (年度) |
2015-04-01 – 2018-03-31
|
| 研究課題ステータス |
完了 (2017年度)
|
| 配分額 *注記 |
3,380千円 (直接経費: 2,600千円、間接経費: 780千円)
2017年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2016年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2015年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
|
|---|
| キーワード | 高次元データ / スパース正則化 / ロバスト推測 / グラフィカルモデル / スパース推定 / ロバスト推定 |
|---|
| 研究成果の概要 |
スパース正則化法のアイデアを駆使し，高次元かつ複雑な構造を持つデータの解析法について研究を行った．本研究では特に，外れ値構造とグループ構造に着目し研究を進めた．前者については，結果変数に外れ値が混入する場合の，線形回帰分析について研究を行い，回帰係数のロバストかつスパースな推定量を導出した．また，セルワイズな外れ値を持つ大規模データ行列から，変数間の条件付き独立性を推定する手法も提案した．後者については，層別線形回帰モデルを考え，結果変数全体に影響を与える共変量と，層ごとに影響を与える共変量を同時に特定する方法を構築した．
|
