| 研究課題/領域番号 |
15K15947
|
|---|
| 研究機関 | 電気通信大学 |
|---|
研究代表者 |
川野 秀一 電気通信大学, その他の研究科, 准教授 (50611448)
|
|---|
| 研究期間 (年度) |
2015-04-01 – 2018-03-31
|
| キーワード | 機械学習 / スパース学習 / 主成分分析 / 回帰分析 / オンライン学習 / ベイジアンアプローチ / 情報量規準 / 順序カテゴリカルデータ |
|---|
| 研究実績の概要 |
本年度においては，まず，連続変数および離散変数を扱うことが可能なスパース主成分回帰モデルの研究に取り組んだ．連続変数に対しては，2乗損失関数と主成分損失関数に基づきモデルを構成し，その損失関数にスパース正則化を課すことにより，変数選択ならびにパラメータの一意性を保証したモデリング手法を提案した．数値シミュレーションや実データへの適用を通してその有用性を検証した．次に，離散変数に対しては，多項ロジスティックモデルに着目し，そのモデルから自然に導入される尤度ベースの損失関数と主成分損失関数およびスパース正則化項を用いることにより，離散変数に対する主成分回帰モデリング手法を提案した．実データへの適用を通して，提案手法の有効性を検証した．これらの研究成果は，研究論文として発表するとともに，国内外の学会や国際会議で発表した．また，様々な損失関数に対するスパースモデリングに関する研究，ならびにベイジアンアプローチによるスパース推定の研究についても取り組んだ．順序付きカテゴリカルデータを扱うことが可能な連続比ロジットモデルに着目し，平行性仮定と説明変数の自動選択を目的として，スパース推定に基づく順序ロジットモデリング手法を提案した．オンライン学習アルゴリズムの一つであるadaptive regularization of weight vectors (AROW)に着目し，特徴選択を有したスパースAROWを提案した．ベイジアンlassoに含まれるハイパーパラメータの値を客観的に選択するために，ベイズ型予測分布に基づいた情報量規準を提案するとともに，効率的にパラメータを選択するための最適化アルゴリズムも提案した．得られた成果は学会・シンポジウム等で発表し，研究論文としてまとめて学術雑誌に発表した．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
当初計画していたスパース主成分回帰モデリングに関する研究のみならず，様々な損失関数に対するスパースモデリングおよびベイジアンスパースモデリングに関する研究についても取り組むことができた．ただ、成果の多くはまだ研究論文として出版されていないため，区分は「おおむね順調に進展している」とした．
|
| 今後の研究の推進方策 |
スパース主成分回帰モデルが扱うことが可能な離散変数としては，現段階では多項ロジスティックモデルにより記述されるもののみであるため，この手法をカウントデータや生存時間データを扱うことが可能なモデルまで拡張する．さらに，これまで提案してきた手法とともに統一的に扱うために，一般化線形モデルの枠組みまで拡張する．加えて，データ形式が関数，行列，テンソルに対する情報統合型モデルの損失関数についての研究に着手する．また，オンラインスパースモデリングやベイジアンスパースモデリングについても引き続き研究を進め，情報統合型モデル構築のための足場を固める．
|
