| 講演名 | 2018-11-05 ［ポスター講演］Selective Inferenceに基づくスパース線形回帰モデルにおける能動学習 梅津 佑太(名工大), 竹内 一郎(名工大/物質・材料研究機構/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) | 興味のあるパラメータを効率よく推定するために, 適当な最適性の基準を定めることで, あらかじめサンプリングするデータについて計画をたてる問題は能動学習や実験計画法としてよく知られている. 一方で, 観測される変数が多い場合, パラメータ推定を行う前にモデル選択を行うことで, より効率的にパラメータ推定を行えることが期待される. ところが, モデル選択と能動学習を同時に考える場合, パラメータの推定量がモデル選択の結果に依存するため, 選択バイアスの問題が生じる. 本研究では, selective inferenceのアイデアを適用することで, モデル選択後に得られるスパース線形回帰モデルにおいて, 回帰係数を効率よく推定するための能動学習について提案する. |
| 抄録(英) | In order to efficiently estimate interested parameter, one can design sampling strategy by defining some criterion on the optimality. This is a problem of so-called active learning or optimal design of experiment. On the other hand, we expect that we can estimate it more efficiently by conducting model selection method when the number of feature is large. However, since the estimator depends on the result of model selection, the problem of selection bias would be occur when we consider the model selection and active learning simultaneously. In this paper, we propose novel active learning method after model selection by exploiting the idea of selective inference. |
| キーワード(和) | Active Learning / Lasso / Model Selection / Selective $A$-optimality / Selective Inference |
| キーワード(英) | Active Learning / Lasso / Model Selection / Selective $A$-optimality / Selective Inference |
| 資料番号 | IBISML2018-95 |
| 発行日 | 2018-10-29 (IBISML) |
| 研究会情報 | |
| 研究会 | IBISML |
|---|---|
| 開催期間 | 2018/11/5(から3日開催) |
| 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) |
| 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） | ［ポスター講演］Selective Inferenceに基づくスパース線形回帰モデルにおける能動学習 |
| サブタイトル（和） | |
| タイトル（英） | [Poster Presentation] Active Learning in Sparse Linear Regression Models via Selective Inference |
| サブタイトル（和） | |
| キーワード(1)（和/英） | Active Learning / Active Learning |
| キーワード(2)（和/英） | Lasso / Lasso |
| キーワード(3)（和/英） | Model Selection / Model Selection |
| キーワード(4)（和/英） | Selective $A$-optimality / Selective $A$-optimality |
| キーワード(5)（和/英） | Selective Inference / Selective Inference |
| 第 1 著者 氏名（和/英） | 梅津 佑太 / Yuta Umezu |
| 第 1 著者 所属（和/英） | 名古屋工業大学(略称：名工大) Nagoya Institute of Technology(略称：NIT) |
| 第 2 著者 氏名（和/英） | 竹内 一郎 / Ichiro Takeuchi |
| 第 2 著者 所属（和/英） | 名古屋工業大学/物質・材料研究機構/理化学研究所(略称：名工大/物質・材料研究機構/理研) Nagoya Institute of Technology/National Institute for Materials Science/RIKEN(略称：NIT/NIMS/RIKEN) |
| 発表年月日 | 2018-11-05 |
| 資料番号 | IBISML2018-95 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | IBISML-284 |
| ページ範囲 | pp.381-388(IBISML), |
| ページ数 | 8 |
| 発行日 | 2018-10-29 (IBISML) |