| 講演名 | 2012-11-08 ベイジアン変数選択における効率的なサンプリング法(第15回情報論的学習理論ワークショップ) 荒木 貴光, 池田 和司, |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | ベイジアン変数選択において,ギブス変数選択法は最も活用されているサンプリング法の一つであり,広範囲なモデルに適用されている.ギブス変数選択法の性能は提案分布と擬似事前分布のパラメータに強く依存し,従来法では,それらのパラメータはフルモデルに対する予備的サンプリングに基いて決定される.しかし,そのようにして得られたパラメータでは擬似事前分布は周辺事後分布を近似できず,提案分布のスケールは多くの場合不適切な値となる.本稿では,サンプリングしながらそれらのパラメータを適切な値に自動調整する適応的なアルゴリズムを提案し,ロジスティック回帰モデルのベイジアン変数選択に応用して提案アルゴリズムが従来のギブス変数選択法より効率的であることを示す. |
| 抄録(英) | In Bayesian variable selection, a Gibbs variable selection (GVS) is one of the most famous sampling algorithms, and has been used in various models. The efficiency of the GVS strongly depends on parameters of a proposal distribution and pseudo-priors, and the GVS determines their parameters based on a pilot run for a full model. However the parameters shift the pseudo-priors from the marginal posterior distributions, and make the scale of the proposal distribution an improper value in many cases. In this paper, we propose an algorithm that adapts the parameters while it runs, and confirm that our algorithm is more efficient than the conventional GVS by a experiment of Bayesian variable selection of a logistic regression model. |
| キーワード(和) | ギブス変数選択法 / 適応的マルコフ連鎖モンテカルロ法 / ベイジアンロジスティック回帰モデル |
| キーワード(英) | Gibbs Variable Selection / Adaptive Markov Chain Monte Carlo / Bayesian logistic regression model |
| 資料番号 | IBISML2012-75 |
| 発行日 |
| 研究会情報 | |
| 研究会 | IBISML |
|---|---|
| 開催期間 | 2012/10/31(から1日開催) |
| 開催地（和） | |
| 開催地（英） | |
| テーマ（和） | |
| テーマ（英） | |
| 委員長氏名（和） | |
| 委員長氏名（英） | |
| 副委員長氏名（和） | |
| 副委員長氏名（英） | |
| 幹事氏名（和） | |
| 幹事氏名（英） | |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Information-Based Induction Sciences and Machine Learning (IBISML) |
|---|---|
| 本文の言語 | ENG |
| タイトル（和） | ベイジアン変数選択における効率的なサンプリング法(第15回情報論的学習理論ワークショップ) |
| サブタイトル（和） | |
| タイトル（英） | An Efficient Sampling Algorithm for Bayesian Variable Selection |
| サブタイトル（和） | |
| キーワード(1)（和/英） | ギブス変数選択法 / Gibbs Variable Selection |
| キーワード(2)（和/英） | 適応的マルコフ連鎖モンテカルロ法 / Adaptive Markov Chain Monte Carlo |
| キーワード(3)（和/英） | ベイジアンロジスティック回帰モデル / Bayesian logistic regression model |
| 第 1 著者 氏名（和/英） | 荒木 貴光 / Takamitsu ARAKI |
| 第 1 著者 所属（和/英） | 奈良先端科学技術大学院大学情報科学研究科 Graduate School of Information Science, Nara Institute of Science and Technology |
| 第 2 著者 氏名（和/英） | 池田 和司 / Kazushi IKEDA |
| 第 2 著者 所属（和/英） | 奈良先端科学技術大学院大学情報科学研究科 Graduate School of Information Science, Nara Institute of Science and Technology |
| 発表年月日 | 2012-11-08 |
| 資料番号 | IBISML2012-75 |
| 巻番号（vol） | vol.112 |
| 号番号（no） | 279 |
| ページ範囲 | pp.- |
| ページ数 | 5 |
| 発行日 | |