| 研究課題/領域番号 |
21K04526
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分25010:社会システム工学関連
|
|---|
| 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) |
2021-04-01 – 2025-03-31
|
| 研究課題ステータス |
完了 (2024年度)
|
| 配分額 *注記 |
3,250千円 (直接経費: 2,500千円、間接経費: 750千円)
2024年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2023年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2022年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2021年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
|
|---|
| キーワード | スパース推定 / 次元縮約 / 混合整数最適化 / ポートフォリオ最適化 / 機械学習 / 特徴量選択 / サポートベクトルマシン / グラフィカルモデル / 生存時間分析 / 比例ハザードモデル / 相続紛争 / 採点システム / 数理最適化 / 正準相関分析 / ポートフォリオ / 確率分布 / ノンパラメトリック推定 |
|---|
| 研究開始時の研究の概要 |
データに内在する有用な情報や構造を抽出することを目的として，主成分分析や正準相関分析などの様々な次元縮約法が存在する．しかし大量の変数を扱う場合には，次元縮約によって生成された合成変数の解釈が困難になる．本研究では次元縮約の解釈性を向上させるために，合成変数に使用する最良の変数集合を選択する，最良スパース推定を対象とする．
|
| 研究成果の概要 |
データに内在する有用な情報や構造を抽出することを目的として，主成分分析や正準相関分析などの様々な次元縮約法が利用される．しかし大量の変数を扱う場合には，次元縮約によって生成された合成変数の解釈が困難になる．本研究では，混合整数最適化の技法を利用して，次元縮約の合成変数に使用する最良の変数集合を選択する最良スパース推定法の開発に取り組み，そこで得られた着想や技術をポートフォリオ最適化や各種の機械学習モデルへと拡張した．
|
| 研究成果の学術的意義や社会的意義 |
次元縮約法の最良スパース推定は，多くの研究者や分析者がその重要性を認識しているが，有効な推定法が確立されていない非常に困難な課題である．一方で現在では，計算機や最適化アルゴリズムの性能が飛躍的に向上し，実用規模の問題に対して混合整数最適化による最良スパース推定を適用するための環境が整いつつある．本研究の成果はデータ解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．
|
