講演名 | 2020-03-10 最頻値推定量を用いた主成分分析の提案 三戸 圭史(筑波大), 日野 英逸(統計数理研/理研), |
---|---|
PDFダウンロードページ | PDFダウンロードページへ |
抄録(和) | 主成分分析は次元削減や可視化のようなデータ分析のための手法として広く一般に用いられている.しかしながら外れ値に対して脆弱であることが知られており,頑健化のために様々な手法が提案されている.また一般的な統計手法において,外れ値に対する頑健性を改善するために最頻値推定の概念を取り入れた手法が提案されているが,主成分分析への適用はこれまで行われていない.本稿では,主成分方向ではなくマイナー成分方向に着目することで最頻値推定の概念を主成分分析に取り入れた,最頻値主成分分析の提案を行う.提案する推定量の収束性や影響関数,破局点の側面から理論的な性質を評価し,数値実験によって,提案手法が既存手法と同程度の結果を示し,いくつかの状況において優位な性能を有することを確認した. |
抄録(英) | |
キーワード(和) | 主成分分析 / カーネル密度推定 / 最頻値 / ロバスト統計学 |
キーワード(英) | |
資料番号 | IBISML2019-34 |
発行日 | 2020-03-03 (IBISML) |
研究会情報 | |
研究会 | IBISML |
---|---|
開催期間 | 2020/3/10(から2日開催) |
開催地(和) | 京都大学 |
開催地(英) | Kyoto University |
テーマ(和) | 機械学習一般 新型コロナウイルスの感染拡大防止のため本研究会は開催を中止します |
テーマ(英) | Machine learning, etc. |
委員長氏名(和) | 鹿島 久嗣(京大) |
委員長氏名(英) | Hisashi Kashima(Kyoto Univ.) |
副委員長氏名(和) | 杉山 将(東大) / 津田 宏治(東大) |
副委員長氏名(英) | Masashi Sugiyama(Univ. of Tokyo) / Koji Tsuda(Univ. of Tokyo) |
幹事氏名(和) | 竹内 一郎(名工大) / 神嶌 敏弘(産総研) |
幹事氏名(英) | Ichiro Takeuchi(Nagoya Inst. of Tech.) / Toshihiro Kamishima(AIST) |
幹事補佐氏名(和) | 岩田 具治(NTT) / 大羽 成征(京大) |
幹事補佐氏名(英) | Tomoharu Iwata(NTT) / Shigeyuki Oba(Kyoto Univ.) |
講演論文情報詳細 | |
申込み研究会 | Technical Committee on Infomation-Based Induction Sciences and Machine Learning |
---|---|
本文の言語 | JPN |
タイトル(和) | 最頻値推定量を用いた主成分分析の提案 |
サブタイトル(和) | |
タイトル(英) | Principal Component Analysis Based on the Mode Estimation |
サブタイトル(和) | |
キーワード(1)(和/英) | 主成分分析 |
キーワード(2)(和/英) | カーネル密度推定 |
キーワード(3)(和/英) | 最頻値 |
キーワード(4)(和/英) | ロバスト統計学 |
第 1 著者 氏名(和/英) | 三戸 圭史 / Keishi Sando |
第 1 著者 所属(和/英) | 筑波大学(略称:筑波大) University of Tsukuba(略称:Univ. of Tsukuba) |
第 2 著者 氏名(和/英) | 日野 英逸 / Hideitsu Hino |
第 2 著者 所属(和/英) | 統計数理研究所/理化学研究所(略称:統計数理研/理研) The Institute of Statistical Mathematics/RIKEN(略称:ISM/RIKEN) |
発表年月日 | 2020-03-10 |
資料番号 | IBISML2019-34 |
巻番号(vol) | vol.119 |
号番号(no) | IBISML-476 |
ページ範囲 | pp.9-16(IBISML), |
ページ数 | 8 |
発行日 | 2020-03-03 (IBISML) |