スパース推定に基づく適応正則化オンライン学習の特徴選択問題

• 野崎 俊貴

  ウイングアーク1st株式会社

• 木村 拓海

  電気通信大学大学院情報システム学研究科

• 川野 秀一

  電気通信大学大学院情報理工学研究科

書誌事項

タイトル別名

• FEATURE SELECTION IN ADAPTIVE REGULARIZATION OF WEIGHT VECTORS VIA SPARSE ESTIMATION
• スパース スイテイ ニ モトズク テキオウ セイソクカ オンライン ガクシュウ ノ トクチョウ センタク モンダイ

抄録

オンライン学習とは, 近年機械学習の分野において注目を集めている学習法であり, その利点は, 逐次的にデータを学習しモデルを構成することにある. 本稿では, 適応正則化学習 (Adaptive Regularization of Weight Vectors; AROW) と呼ばれるオンライン学習モデルの特徴選択を可能にするために, スパース推定に基づく方法を提案する. 推定アルゴリズムには, 座標降下法 (coordinate descent method) を用い, これにより高速化も実現する. 提案手法は, いくつかのチューニングパラメータに依存しているため, これらの値を交差検証法を用いて客観的に選択する. ベンチマークデータに基づく数値実験を通して, 提案手法の有効性を検証する.

収録刊行物

• 計算機統計学

  計算機統計学 29 (2), 117-131, 2016

  日本計算機統計学会

キーワード

• On-line learning
• Coordinate descent method
• Sparsity, Regularization

詳細情報

• CRID: 1390282679357809792
• NII論文ID: 130005631743
• NII書誌ID: AN10195854
• DOI: 10.20551/jscswabun.29.2_117
• ISSN: 21899789
• ISSN: 09148930
• NDL書誌ID: 028034040
• Web Site: https://ndlsearch.ndl.go.jp/books/R000000004-I028034040
• 本文言語コード: ja
• データソース種別:
  • JaLC
  • NDL
  • CiNii Articles
  • KAKEN
• 抄録ライセンスフラグ: 使用不可