| 研究課題/領域番号 |
17H06569
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 補助金 |
|---|
| 研究分野 |
統計科学
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
松田 孟留 東京大学, 大学院情報理工学系研究科, 特任助教 (50808475)
|
|---|
| 研究期間 (年度) |
2017-08-25 – 2019-03-31
|
| 研究課題ステータス |
完了 (2018年度)
|
| 配分額 *注記 |
2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
2018年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2017年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | 低ランク / 特異値 / 行列補完 / 縮小ランク回帰 / ベイズ統計 / 損失推定 / 多変量線形回帰 / 特異値縮小型事前分布 |
|---|
| 研究成果の概要 |
近年、さまざまな分野において膨大なデータを解析する必要が生じており、データのもつ特性を活用した統計手法の開発が必須である。本研究では、データのもつ低ランク性を活かした行列補完、ノンパラメトリック回帰、損失推定の手法を開発し、その基礎理論を整備した。現実の多変量データは低ランク性を有することが多いため、これらの手法を用いることでより効果的な統計解析が可能となる。
|
| 研究成果の学術的意義や社会的意義 |
近年、さまざまな分野において膨大なデータを解析する必要が生じており、データのもつ特性を活用した統計手法の開発が必須である。スパース性に着目した統計手法は最近さかんに研究されている一方で、低ランク性を活かした統計手法はまだ十分に研究されているとはいえない。本研究の成果として、低ランク性を活かした行列補完、ノンパラメトリック回帰、損失推定の手法が開発した。現実の多変量データは低ランク性を有することが多いため、これらの手法を用いることで効果的な統計解析が可能となる。
|
