| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2015-03-06 15:45 (L^2_2)正則化凸損失関数最小化問題のための検証誤差近似保証付きモデル選択 ○柴垣篤志・鈴木良規・竹内一郎（名工大）  IBISML2014-96 |
|
| 抄録 | （和） | 正則化パラメータの選択は汎化性能に多大な影響を与えるため，多くの機械学習のタスクにおいて注意深く正則化パラメータを選択することは欠かせない． そこで本論文では, 有限区間の正則化パラメータにおいて最も低くなる検証誤差より高々$varepsilon in [0, 1]$ だけ高くなる可能性があることを理論的に 保証した正則化パラメータを選択することができるアルゴリズムを提案する. また, 理論的保証のある正則化パラメータを選択する数値実験を行い, 手頃な計算時間で選択を行えることを示す. |
| （英） | In this paper we propose a new algorithm that can select an approximately optimal regularization parameter in a class of regularized convex classifier learning problems. The selected regularization parameter has a theoretical approximation guarantee in the sense that the validation error for the regularization parameter is at most greater by $varepsilon$ than the smallest possible validation error, where $varepsilon in [0, 1]$ is a user specified tolerance. We demonstrate the effectiveness of the proposed method through numerical experiments. | |
| キーワード | （和） | 機械学習 / モデル選択 / 近似正則化パス / 凸最適化 / / / / |
| （英） | Machine Learning / Model Selection / Approximate Regularization Path / Convex Optimization / / / / | |
| 文献情報 | 信学技報, vol. 114, no. 502, IBISML2014-96, pp. 79-86, 2015年3月. | |
| 資料番号 | IBISML2014-96 | |
| 発行日 | 2015-02-26 (IBISML) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IBISML2014-96 |
|
| 研究会情報 | |
| 研究会 | IBISML |
| 開催期間 | 2015-03-05 - 2015-03-06 |
| 開催地（和） | 京都大学 |
| 開催地（英） | Kyoto University |
| テーマ（和） | 統計数理・機械学習・データマイニング・一般 |
| テーマ（英） | Statistical mathematics, machine learning, data mining, and others |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2015-03-IBISML |
| 本文の言語 | 日本語 |
| タイトル（和） | (L^2_2)正則化凸損失関数最小化問題のための検証誤差近似保証付きモデル選択 |
| サブタイトル（和） | |
| タイトル（英） | Model selection with approximate validation error guarantee for (L^2_2) regularized convex loss minimization problems |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 機械学習 / Machine Learning |
| キーワード(2)（和/英） | モデル選択 / Model Selection |
| キーワード(3)（和/英） | 近似正則化パス / Approximate Regularization Path |
| キーワード(4)（和/英） | 凸最適化 / Convex Optimization |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 柴垣 篤志 / Atsushi Shibagaki / シバガキ アツシ |
| 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/ヨミ） | 鈴木 良規 / Yoshiki Suzuki / スズキ ヨシキ |
| 第2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3著者 氏名（和/英/ヨミ） | 竹内 一郎 / Ichiro Takeuchi / タケウチ イチロウ |
| 第3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4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2015-03-06 15:45:00 |
| 発表時間 | 30分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2014-96 |
| 巻番号（vol） | vol.114 |
| 号番号（no） | no.502 |
| ページ範囲 | pp.79-86 |
| ページ数 | 8 |
| 発行日 | 2015-02-26 (IBISML) |
[研究会発表申込システムのトップページに戻る]