講演抄録/キーワード |
講演名 |
2015-06-23 13:50
因果平滑化を考慮した時系列データからのLasso-Granger因果予測 ○安部斉志・佐久間 淳(筑波大) IBISML2015-9 |
抄録 |
(和) |
近年,現実世界の問題に対するサービスは巨大な時系列データを生み出し続けている.
因果を決定することは,時系列データの分析において重要な問題の1つである.因果関係とは原因と結果から成るが,一般的に,結果となる事象は原因の後に起こる.ただし,原因となる事象が結果となる事象に影響を与えるまでの時間は分からない.我々は,原因が結果に影響を与えるまでの時間が変化しても,特徴間の因果関係が大きく変化しないことが自然であるというの仮定の下、因果関係を推定する手法を提案する。具体的には、原因が結果に影響を与えるまでの時間が異なる因果同士がどれだけ似ているのかの尺度として因果類似度を定義した.ラッソを用いた因果を予測する手法としてLasso-Granger法が知られているが,この手法に因果類似度を基にした正則化項を導入した手法を提案する.この正則化項によって,影響を与えるまでの時間変化によって因果が大きく変化しないような平滑化された因果を推定する.最後に,実験によって,提案法とLasso-Granger法を比較し,因果平滑化による効果について議論する. |
(英) |
Recently, various services for real world problems continually produce huge amount of time series data. Determination of causality is one of the important problems in time series data analysis.In general, an effect occurs after the cause. We asuume that causality between variables do not change drastically over time.We introduce a regularization term based on causal similarity into the Lasso Granger method, which is known as a causality estimation method by means of Lasso. Our proposed regularization term allows the estimated causalities to be smoothed changed over time. We show by experimentation the impact of causal smoothing. |
キーワード |
(和) |
因果予測 / データ分析 / グレンジャー因果 / 平滑化 / / / / |
(英) |
causality estimation / data analysis / Granger causality / smoothing / / / / |
文献情報 |
信学技報, vol. 115, no. 112, IBISML2015-9, pp. 55-62, 2015年6月. |
資料番号 |
IBISML2015-9 |
発行日 |
2015-06-16 (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 |
IBISML2015-9 |
研究会情報 |
研究会 |
NC IPSJ-BIO IBISML IPSJ-MPS |
開催期間 |
2015-06-23 - 2015-06-25 |
開催地(和) |
沖縄科学技術大学院大学 |
開催地(英) |
Okinawa Institute of Science and Technology |
テーマ(和) |
機械学習によるバイオデータマインニング、一般 |
テーマ(英) |
Machine Learning Approach to Biodata Mining, and General |
講演論文情報の詳細 |
申込み研究会 |
IBISML |
会議コード |
2015-06-NC-BIO-IBISML-MPS |
本文の言語 |
日本語 |
タイトル(和) |
因果平滑化を考慮した時系列データからのLasso-Granger因果予測 |
サブタイトル(和) |
|
タイトル(英) |
Lasso Granger Causality Estimation Considering Smoothness of Causality from Time Series Data |
サブタイトル(英) |
|
キーワード(1)(和/英) |
因果予測 / causality estimation |
キーワード(2)(和/英) |
データ分析 / data analysis |
キーワード(3)(和/英) |
グレンジャー因果 / Granger causality |
キーワード(4)(和/英) |
平滑化 / smoothing |
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) |
安部 斉志 / Hitoshi Abe / アベ ヒトシ |
第1著者 所属(和/英) |
筑波大学 (略称: 筑波大)
Tsukuba University (略称: Tsukuba Univ.) |
第2著者 氏名(和/英/ヨミ) |
佐久間 淳 / Jun Sakuma / |
第2著者 所属(和/英) |
筑波大学 (略称: 筑波大)
Tsukuba University (略称: Tsukuba Univ.) |
第3著者 氏名(和/英/ヨミ) |
/ / |
第3著者 所属(和/英) |
(略称: )
(略称: ) |
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: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2015-06-23 13:50:00 |
発表時間 |
25分 |
申込先研究会 |
IBISML |
資料番号 |
IBISML2015-9 |
巻番号(vol) |
vol.115 |
号番号(no) |
no.112 |
ページ範囲 |
pp.55-62 |
ページ数 |
8 |
発行日 |
2015-06-16 (IBISML) |