| 講演名 | 2012-11-08 ロジスティック回帰モデルを組み合わせた順序回帰モデルと高速な疎Bayes学習(第15回情報論的学習理論ワークショップ) 長島 主尚, 井上 真郷, |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 順序回帰問題の一般的な解法では,ノイズが付加された入力を数直線上に配置し,閾値を設けて属する範囲毎に観測ラベルが一意に決まるモデルを使用する.この尤度はプロビット関数の差の積となり,対数尤度の微分を用いるような解析が複雑になる問題があった.本発表では,真のラベルに対する観測ラベルが確率的に変化するモデルを導入する.具体的にはロジスティック回帰モデルの組み合わせで表現する.このモデルは既存モデルに比べて解析が容易であることがわかった.また,このモデルに対してAutomatic Relevance Determination(ARD)事前分布を用いた際,従来は困難であった高速な学習法の導出が可能となることを示す. |
| 抄録(英) | The common solution to the ordinal regression problem uses the model in which noise-contained inputs are deterministically labeled according to domains partitioned by several thresholds. Its likelihood is given by the product of the differences of probit functions and this likelihood prevents common analytical approaches such as differentiation of the log likelihood. In this manuscript, we introduce a model in which noise-free inputs are probabilistically labeled. More specifically, this model is constructed by using logistic regression models. We found that this model is easy to analyze. We also show that its 'fast' sparse Bayesian learning with automatic relevance determination (ARD) prior is possible. |
| キーワード(和) | 順序回帰 / ロジスティック回帰 / 基底関数 / Sparse Bayesian Learning |
| キーワード(英) | Ordinal Regression / Logistic Regression / Basis Function / Sparse Bayesian Learning |
| 資料番号 | IBISML2012-87 |
| 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 | JPN |
| タイトル（和） | ロジスティック回帰モデルを組み合わせた順序回帰モデルと高速な疎Bayes学習(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 Ordinal Regression Model Based on Logistic Regression Models and Its Fast Sparse Bayesian Learning |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 順序回帰 / Ordinal Regression |
| キーワード(2)（和/英） | ロジスティック回帰 / Logistic Regression |
| キーワード(3)（和/英） | 基底関数 / Basis Function |
| キーワード(4)（和/英） | Sparse Bayesian Learning / Sparse Bayesian Learning |
| 第 1 著者 氏名（和/英） | 長島 主尚 / Kazuhisa NAGASHIMA |
| 第 1 著者 所属（和/英） | 早稲田大学大学院先進理工学研究科電気・情報生命専攻 Department of Electrical Engineering and Bioscience, Graduate School of Advanced Science and Engineering, Waseda University |
| 第 2 著者 氏名（和/英） | 井上 真郷 / Masato INOUE |
| 第 2 著者 所属（和/英） | 早稲田大学大学院先進理工学研究科電気・情報生命専攻 Department of Electrical Engineering and Bioscience, Graduate School of Advanced Science and Engineering, Waseda University |
| 発表年月日 | 2012-11-08 |
| 資料番号 | IBISML2012-87 |
| 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 | |