講演抄録/キーワード |
講演名 |
2018-11-05 15:10
[ポスター講演]3パラメータGroup Lassoモデルにおける経験ベイズ解の解析 ○吉田 司・渡辺一帆(豊橋技科大) IBISML2018-93 |
抄録 |
(和) |
スパース推定の方法として Lasso や Group Lasso は応用上しばしば用いられる.これらの回帰モデルの正則化学習では,正則化の度合いを定める正則化パラメータを適切に決定することが重要となる.経験ベイズ法はそれらの推定に有効な手段であるものの,その解は未だ完全に解析されてはいない.本研究では Group Lasso に対して,経験ベイズ法による正則化パラメータの推定法について議論する.単位行列を計画行列として持つ単純化した線形回帰モデルのパラメータが 3 次元のモデルに対して,その経験ベイズ推定解の特性を示す.また,経験ベイズ法から得られる正則化パラメータを用いた際の MAP 推定量について考察する. |
(英) |
As sparse estimation methods, Lasso and Group Lasso are often used for wide applications. It is necessary for successful applications of these regularization methods to determine the regularization parameter appropriately. Although the empirical Bayes approach provides an effective method to estimate the regularization parameter, its solution has yet to be fully investigated. In this study, we discuss the estimation of the regularization parameter using the empirical Bayes method in Group Lasso. We show the characteristics of the empirical Bayes estimator on a simplified linear regression model, whose design matrix is identity and the dimension of regression coefficients is three. We also discuss the property of the MAP estimator with its regularization parameter estimated by the empirical Bayes method. |
キーワード |
(和) |
Group Lasso / 経験ベイズ法 / MAP推定 / ラプラス事前分布 / 関連度自動決定 / / / |
(英) |
Group Lasso / empirical Bayes / MAP estimation / Laplace prior / automatic relevance determination / / / |
文献情報 |
信学技報, vol. 118, no. 284, IBISML2018-93, pp. 367-372, 2018年11月. |
資料番号 |
IBISML2018-93 |
発行日 |
2018-10-29 (IBISML) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
IBISML2018-93 |
研究会情報 |
研究会 |
IBISML |
開催期間 |
2018-11-05 - 2018-11-07 |
開催地(和) |
北海道民活動センター(かでる2.7) |
開催地(英) |
Hokkaido Citizens Activites Center (Kaderu 2.7) |
テーマ(和) |
情報論的学習理論ワークショップ (IBIS2018) |
テーマ(英) |
Information-Based Induction Science Workshop (IBIS2018) |
講演論文情報の詳細 |
申込み研究会 |
IBISML |
会議コード |
2018-11-IBISML |
本文の言語 |
日本語 |
タイトル(和) |
3パラメータGroup Lassoモデルにおける経験ベイズ解の解析 |
サブタイトル(和) |
|
タイトル(英) |
Analysis of Empirical Bayes Estimation for Three Parameter Group Lasso |
サブタイトル(英) |
|
キーワード(1)(和/英) |
Group Lasso / Group Lasso |
キーワード(2)(和/英) |
経験ベイズ法 / empirical Bayes |
キーワード(3)(和/英) |
MAP推定 / MAP estimation |
キーワード(4)(和/英) |
ラプラス事前分布 / Laplace prior |
キーワード(5)(和/英) |
関連度自動決定 / automatic relevance determination |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
吉田 司 / Tsukasa Yoshida / ヨシダ ツカサ |
第1著者 所属(和/英) |
豊橋技術科学大学 (略称: 豊橋技科大)
Toyohashi University of Technology (略称: Toyohashi Tech) |
第2著者 氏名(和/英/ヨミ) |
渡辺 一帆 / Kazuho Watanabe / ワタナベ カズホ |
第2著者 所属(和/英) |
豊橋技術科学大学 (略称: 豊橋技科大)
Toyohashi University of Technology (略称: Toyohashi Tech) |
第3著者 氏名(和/英/ヨミ) |
/ / |
第3著者 所属(和/英) |
(略称: )
(略称: ) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2018-11-05 15:10:00 |
発表時間 |
180分 |
申込先研究会 |
IBISML |
資料番号 |
IBISML2018-93 |
巻番号(vol) |
vol.118 |
号番号(no) |
no.284 |
ページ範囲 |
pp.367-372 |
ページ数 |
6 |
発行日 |
2018-10-29 (IBISML) |