文献

J-GLOBAL ID：201502221265198798   整理番号：15A0937309

e-バギング:情報幾何的に双対なバギングの提案とその応用 k-近傍交叉カーネルを用いたNadaraya-Watson回帰への適用

e-Bagging: The Information Geometric Dual of Breiman’s Bagging: An Application to the Nadaraya-Watson Regression with the k-Nearest Neighbor Crossover Kernel

著者 (3件)： 濱田直希 (富士通研) ,  樋口博之 (富士通研) ,  本間克己 (富士通研)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 115  号： 112(IBISML2015 1-26)  ページ： 187-194  発行年： 2015年06月16日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 著者らが近年提案したk-近傍交叉カーネルは,可変行列バンド幅に相当する大自由度のカーネルである。その柔軟性から従来のカーネルを上回る推定精度を有するが,その応用はリサンプリングなどのカーネル関数値を陽に計算する必要がないタスクに限られており,回帰などのカーネル関数値を必要とするタスクでは計算困難に陥る。これは,本手法が用いるバギングによって,カーネル関数が膨大な多変量ガウス密度の算術平均,すなわち大規模な混合ガウス密度として表されるためである。本報告では,バギングの効果を享受しつつ計算量を削減するために,e-平均を用いたバギング(e-バギング)を提案する。情報幾何の視点から,e-バギングと従来のバギングの双対性を議論する。e-バギングをk-近傍交叉カーネルを用いたNadaraya-Watson回帰に適用し,その有効性を示す。(著者抄録)

シソーラス用語： *幾何学 ,  *機械学習 ,  双対性 ,  交差 ,  識別関数 ,  *回帰モデル ,  計算量 ,  縮小 ,  平均値 ,  精度 ,  袋詰
準シソーラス用語： Kernel関数 ,  *Nadaraya-Watson回帰 ,  カーネル回帰 ,  バギング【袋】 ,  縮減 ,  *情報幾何学 ,  精度の向上

分類 (4件)： 計算理論  (JB02000A) ,  統計学  (AB08000H) ,  幾何学  (AB06000T) ,  人工知能  (JE08000Z)

引用文献 (23件)：

• E. A. Nadaraya. On estimating regression. Theory of Probability & Its Applications, Vol. 9, No. 1, pp. 141-142, 1964.
• G. S. Watson. Smooth regression analysis. Sankhyā: The Indian Journal of Statistics, Series A, Vol. 26, No. 4, pp. 359-372, Dec. 1964.
• E. Herrmann. Local bandwidth choice in kernel regression estimation. Journal of Computational and Graphical Statistics, Vol. 6, No. 1, pp. 35-54, 1997.
• D. Ruppert and M. P. Wand. Multivariate locally weighted least squares regression. The Annals of Statistics, Vol. 22, No.3, pp.1346-1370,1994.
• 佐久間淳,小林重信.カーネル密度推定器としての実数値交叉.人工知能学会論文誌,Vol.22, No.5, pp.520-530,2007.

タイトルに関連する用語 (7件)： バギング ,  情報幾何 ,  提案 ,  応用 ,  近傍 ,  交叉 ,  カーネル