文献

J-GLOBAL ID：201202209174600981   整理番号：12A0038915

ロバストな分布比較のための相対密度比推定

Relative Density-Ratio Estimation for Robust Distribution Comparison

著者 (5件)： YAMADA Makoto (Tokyo Inst. of Technol., Tokyo, JPN) ,  SUZUKI Taiji (Univ. Tokyo, Tokyo, JPN) ,  KANAMORI Takafumi (Nagoya Univ., Aichi, JPN) ,  HACHIYA Hirotaka (Tokyo Inst. of Technol., Tokyo, JPN) ,  SUGIYAMA Masashi (Tokyo Inst. of Technol., Tokyo, JPN)
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： 111  号： 275(IBISML2011 42-86)  ページ： 25-32  発行年： 2011年11月02日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： 分子と分母密度の分離近似を経由しない密度比の直接近似に基づくダイバージェンスエスティメータは,異常値検出,転移学習,及び2サンプル均一性テストを含む機械学習タスクにうまく適用されている。しかし,密度比関数はしばしば大きい変動を伴うため,実務的には分散推定は未だ難易度の高い作業である。本論文では,相対密度比の近似を用いた分布比較のための相対ダイバージェンスの使用を提案した。相対密度比は常に対応する通常の密度比より滑らかなため,提案した方法はノンパラメトリック収束速度の点で有利である。更に,提案した分散エスティメータが,パラメータ設定においてモデルの複雑さに無関係の漸近分散を持つため,提案したエスティメータが複雑なモデルであってもオーバーフィットはほとんどないであろうことを示した。実験によって,提案手法の有用性を明らかにした。(翻訳著者抄録)

シソーラス用語： *確率分布 ,  *比較 ,  データ処理 ,  *相対密度 ,  比率 ,  *機械学習 ,  収束 ,  分散【variance】 ,  推定量 ,  エントロピー ,  情報量 ,  収束速度
準シソーラス用語： ダイバージェンス【情報理論】 ,  漸近分散 ,  *密度比

分類 (2件)： 人工知能  (JE08000Z) ,  その他の情報処理  (JE15050M)

タイトルに関連する用語 (4件)： ロバスト ,  分布 ,  相対密度 ,  推定