| 研究課題/領域番号 |
17K12983
|
|---|
| 研究種目 |
若手研究(B)
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
社会システム工学・安全システム
|
|---|
| 研究機関 | 筑波大学 |
|---|
研究代表者 |
高野 祐一 筑波大学, システム情報系, 准教授 (40602959)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
2,600千円 (直接経費: 2,000千円、間接経費: 600千円)
2020年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2019年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2018年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2017年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
|
|---|
| キーワード | 数理最適化 / 機械学習 / アルゴリズム / 計算機統計 / 変数選択 / 正則化 / 最適化 / 分類 / 多重共線性 / 数理工学 / 統計数学 |
|---|
| 研究成果の概要 |
回帰分析や判別分析における変数選択のための厳密解法として、混合整数最適化が近年注目を集めている。一方で混合整数最適化による変数選択では、選択された説明変数に多重共線性が残ってしまう場合が多く、データに内在する事前知識も活用されていないという欠点がある。そこで本研究では「混合整数最適化」に「多重共線性の除去」と「構造的正則化（事前情報を活用したモデル構築）」を組み合わせ、高精度のパラメータ推定が可能な各種の制約付き変数選択手法を提案した。人工データと実データを用いた数値実験を実施し、提案手法の有効性を検証した。
|
| 研究成果の学術的意義や社会的意義 |
回帰分析や判別分析における変数選択の先行研究では、発見的解法が用いられる場合が多く、パラメータ推定の精度に着目した変数選択の厳密解法は先駆的かつ実用上重要な研究だと言える。多重共線性を除去する制約条件は扱いが難しく、有効な求解アルゴリズムを考案することは最適化理論の観点からも意義がある。本研究の目的である高精度パラメータ推定は、データ分析の信頼性向上に直結し、多くの企業や行政機関の意思決定に寄与することが期待される。
|
