|
縮小推定量が、その優れた特性にも関わらず、実際の応用であまり利用されていない理由の一つとして、推定量の分布が複雑であることが挙げられる。しかしながら、機械学習等で用いられる近代的な手法が、縮小推定法の一種として解釈できることが明らかになってきた。このため、実際のモデル・データへの応用において縮小推定法の重要性が近年再認識され、新たな研究テーマが多数生み出されている。本研究で得られた成果は、縮小推定量の分布の近似法を提案したこと、及び様々な状況下での縮小推定量の有効性を示しており、推定量の応用可能性を広げたものとして学術的意義がある。
|
