| 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 | 2016-11-16 15:00 高次元分類問題のためのSelective Inference ○梅津佑太・中川和也（名工大）・津田宏治（東大）・竹内一郎（名工大）  IBISML2016-59 |
|
| 抄録 | （和） | 機械学習をはじめとする多くの分野で, データの特徴量が大きな場合, データ解析を行う前の事前処理としてスクリーニングなどを用いて特徴量を減らすことがしばしば行われる. しかし, 観測されたデータから特徴選択を行った場合, その後の統計的推論は選択バイアスを考慮して行わなければならない. このような特徴選択後の統計的推論のひとつとしてselective inferenceと呼ばれるものがある. これまで, データの正規性に基づくselective inferenceが報告されているが, 実際のデータ解析ではこのような仮定は満たされないことが多い. そこで, 本研究では高次元大標本漸近理論を考えることで, selective inferenceを分対問題に拡張する. また, 数値実験を通してその有用性を確認する. |
| （英） | In machine learning and other related area, the number of features is often reduced by some feature selection procedure as a pre-processing for data analysis when it is large. However, once features are selected from the data via some algorithm, we need to correct a selection bias for a statistical inference after feature selection. A selective inference is a kind of statistical inference for correcting the selection bias, and several results are developed until now. Almost results, however, require the normality of the response, so we can not apply it for other important tasks such as classification. In this paper, we extend the selective inference for classification problem based on the high dimensional asymptotic theory. Through some simulation studies, we check the performance of our proposal. | |
| キーワード | （和） | Family-wise Error Rate / High Dimensional Asymptotics / Hypothesis Testing / Selective Inference / / / / |
| （英） | Family-wise Error Rate / High Dimensional Asymptotics / Hypothesis Testing / Selective Inference / / / / | |
| 文献情報 | 信学技報, vol. 116, no. 300, IBISML2016-59, pp. 93-100, 2016年11月. | |
| 資料番号 | IBISML2016-59 | |
| 発行日 | 2016-11-09 (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 | IBISML2016-59 |
|
| 研究会情報 | |
| 研究会 | IBISML |
| 開催期間 | 2016-11-16 - 2016-11-18 |
| 開催地（和） | 京都大学 |
| 開催地（英） | Kyoto Univ. |
| テーマ（和） | 情報論的学習理論ワークショップ(IBIS2016) |
| テーマ（英） | Information-Based Induction Science Workshop (IBIS2016) |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2016-11-IBISML |
| 本文の言語 | 日本語 |
| タイトル（和） | 高次元分類問題のためのSelective Inference |
| サブタイトル（和） | |
| タイトル（英） | Selective Inference for High-Dimensional Binary Classification |
| サブタイトル（英） | |
| キーワード(1)（和/英） | Family-wise Error Rate / Family-wise Error Rate |
| キーワード(2)（和/英） | High Dimensional Asymptotics / High Dimensional Asymptotics |
| キーワード(3)（和/英） | Hypothesis Testing / Hypothesis Testing |
| キーワード(4)（和/英） | Selective Inference / Selective Inference |
| 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） | 梅津 佑太 / Yuta Umezu / ウメヅ ユウタ |
| 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） | 中川 和也 / Kazuya Nakagawa / ナカガワ カズヤ |
| 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） | 津田 宏治 / Koji Tsuda / ツダ コウジ |
| 第3著者 所属（和/英） | 東京大学 (略称： 東大) University of Tokyo (略称： Univ. of Tokyo) |
| 第4著者 氏名（和/英/ヨミ） | 竹内 一郎 / Ichiro Takeuchi / |
| 第4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) |
| 講演者 | 第1著者 |
| 発表日時 | 2016-11-16 15:00:00 |
| 発表時間 | 180分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2016-59 |
| 巻番号（vol） | vol.116 |
| 号番号（no） | no.300 |
| ページ範囲 | pp.93-100 |
| ページ数 | 8 |
| 発行日 | 2016-11-09 (IBISML) |
[研究会発表申込システムのトップページに戻る]