| 講演名 | 2019-06-17 LASSO推定量のスケーリングの下でのモデル選択について 萩原 克幸(三重大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | LASSO (Least Absolute Shrinkage and Selection Operator) 推定量には過度のバイアスが生じるという問題があり，それを緩和するために，近年，非凸な正則化項の導入を含む様々な方法が提案されている．本研究では，その一つとしてLASSO 推定量をスケーリングにより改良する方法を考えた．このスケーリングの度合いは過度の縮小を補正するという妥当性をもつだけでなく， LASSO 推定量に基づき簡単に計算することができるため，常に安定かつ高速な学習によりLASSO のバイアス問題を解決する推定量を構成することができる．さらに，この推定量に対して，リスクの近似的な不偏推定量として，モデル選択規準を導出した．これが可能であることもこの推定量の利点の一つである．また，簡単な数値例により，この推定量の検証を行うとともに有効性を確認した． |
| 抄録(英) | To relax a bias problem in LASSO (Least Absolute Shrinkage and election Operator), there have been several studies including the introduction of non-convex regularizers. In this article, we considered to improve a bias problem of LASSO estimator by scaling and derived a model selection criterion under the scaling method. The proposed scaling value is valid to compensate the excessive shrinkage of LASSO estimator and is easy to compute by using LASSO estimator. Moreover, we derived a model selection criterion based on a risk estimate. This analytic solution is also a benefit of the proposed scaling value. Furthermore, we verified the risk estimate and confirmed its effectiveness though a simple numerical example. |
| キーワード(和) | スパースモデリング / LASSO / SURE / スケーリング |
| キーワード(英) | sparse modeling / LASSO / SURE / scaling |
| 資料番号 | IBISML2019-5 |
| 発行日 | 2019-06-10 (IBISML) |
| 研究会情報 | |
| 研究会 | NC / IBISML / IPSJ-MPS / IPSJ-BIO |
|---|---|
| 開催期間 | 2019/6/17(から3日開催) |
| 開催地（和） | 沖縄科学技術大学院大学 |
| 開催地（英） | Okinawa Institute of Science and Technology |
| テーマ（和） | NC、機械学習によるバイオデータマイニング、一般 |
| テーマ（英） | Neurocomputing, Machine Learning Approach to Biodata Mining, and General |
| 委員長氏名（和） | 庄野 逸(電通大) / 鹿島 久嗣(京大) / 関嶋 政和(東工大) / 倉田 博之(九工大) |
| 委員長氏名（英） | Hayaru Shouno(UEC) / Hisashi Kashima(Kyoto Univ.) / Masakazu Sekijima(Tokyo Tech) / Hiroyuki Kurata(Kyutech) |
| 副委員長氏名（和） | 鮫島 和行(玉川大) / 杉山 将(東大) / 津田 宏治(東大) |
| 副委員長氏名（英） | Kazuyuki Samejima(Tamagawa Univ) / Masashi Sugiyama(Univ. of Tokyo) / Koji Tsuda(Univ. of Tokyo) |
| 幹事氏名（和） | 吉本 潤一郎(奈良先端大) / 安部川 直稔(NTT) / 竹内 一郎(名工大) / 神嶌 敏弘(産総研) / 吉川 大弘(名古屋大) / 大久保 好章(北大) / 小谷野 仁(東工大) / 渡邉 真也(室蘭工業大) / 佐藤 寛之(電通大) / 高田 雅美(奈良女子大) / 田口 善弘(中央大) / 吉本 潤一郎(奈良先端大) / 伊藤 公人(北大) |
| 幹事氏名（英） | Junichiro Yoshimoto(NAIST) / Naotoshi Abekawa(NTT) / Ichiro Takeuchi(Nagoya Inst. of Tech.) / Toshihiro Kamishima(AIST) / Tomohiro Yoshikawa(Nagoya Univ.) / Yoshiaki Okubo(Hokkaido Univ.) / Hitoshi Koyano(Tokyo Tech) / Shinya Watanabe(Muroran Inst. Tech.) / Hiroyuki Sato(UEC) / Masami Takata(Nara Women's Univ.) / Yoshihiro Taguchi(Chuo Univ.) / Junichiro Yoshimoto(NAIST) / Kimihito Ito(Hokkaido Univ.) |
| 幹事補佐氏名（和） | 篠崎 隆志(NICT) / 瀧山 健(東京農工大) / 岩田 具治(NTT) / 大羽 成征(京大) |
| 幹事補佐氏名（英） | Takashi Shinozaki(NICT) / Ken Takiyama(TUAT) / Tomoharu Iwata(NTT) / Shigeyuki Oba(Kyoto Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Neurocomputing / Technical Committee on Infomation-Based Induction Sciences and Machine Learning / IPSJ Special Interest Group on Mathematical Modeling and Problem Solving / IPSJ Special Interest Group on Bioinformatics and Genomics |
|---|---|
| 本文の言語 | ENG-JTITLE |
| タイトル（和） | LASSO推定量のスケーリングの下でのモデル選択について |
| サブタイトル（和） | |
| タイトル（英） | A model selection criterion for LASSO estimate with scaling |
| サブタイトル（和） | |
| キーワード(1)（和/英） | スパースモデリング / sparse modeling |
| キーワード(2)（和/英） | LASSO / LASSO |
| キーワード(3)（和/英） | SURE / SURE |
| キーワード(4)（和/英） | スケーリング / scaling |
| 第 1 著者 氏名（和/英） | 萩原 克幸 / Katsuyuki Hagiwara |
| 第 1 著者 所属（和/英） | 三重大学(略称：三重大) Mie University(略称：Mie Univ.) |
| 発表年月日 | 2019-06-17 |
| 資料番号 | IBISML2019-5 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | IBISML-89 |
| ページ範囲 | pp.27-34(IBISML), |
| ページ数 | 8 |
| 発行日 | 2019-06-10 (IBISML) |