文献

J-GLOBAL ID：201502209231551863   整理番号：15A0937292

高次交互作用モデルのためのSelective Inference

Selective Inference for High-order Interaction Model

著者 (4件)： 鈴村真矢 (名古屋工大 大学院工学研究科) ,  中川和也 (名古屋工大 大学院工学研究科) ,  津田宏治 (東大 大学院新領域創成科学研究科) ,  竹内一郎 (名古屋工大 大学院工学研究科)
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： 69-74  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： 予測モデリングにおいて統計的に優位な高次交互作用効果を同定することは重要なタスクである。このタスクが困難であるのは,高次元の共変量が観測される問題では,すべての高次交互作用効果を考えると膨大な数となってしまうためである。このような膨大な候補のなかから統計的に有意な交互作用効果を見つけ出す問題は計算的にも統計的にも非常に難しい。本論文では,この問題に対処するため二段階アルゴリズムを考察する。まず初めに,marginal screeningによって少数の高次交互作用特徴を選択し,その後,選択された特徴のみを用いて回帰分析を行う。近年提案されたselective-inferenceと呼ばれる方法を用いることにより,特徴選択後の回帰モデルに関する統計的推論を効率的に行うための方法を構築する。数値実験により,提案法を用いることで,高次交互作用モデルの適切な統計的推論が現実的な計算時間で可能であることを示す。(著者抄録)

シソーラス用語： 回帰分析 ,  *高次元 ,  *相互作用 ,  *スクリーニング ,  統計的推定 ,  仮説検定 ,  特徴選択 ,  バイアス ,  統計解析 ,  木探索 ,  計算量
準シソーラス用語： *マージナルスクリーニング ,  共変量 ,  枝刈り【木探索】 ,  線形回帰分析 ,  選択的推論 ,  有意性検定

分類 (1件)： 統計学  (AB08000H)

引用文献 (9件)：

• J. Fan and J. Lv. Sure independence screening for ultrahigh dimensional feature space. Journal of The Royal Statistical Society B, 70:849-911, 2008.
• J. Fan, R. Samworth, and Y. Wu. Ultrahigh dimensional feature selection: beyond the linear model. The Journal of Machine Learning Research, 10:2013-2038, 2009.
• J. Fan and R. Song. Sure independence screening in generalized linear models with np-dimensionality. Annals of Statistics, 38:3567-3604, 2010.
• C. R. Genovese, J. Jin, L. Wasserman, and Z. Yao. A comparison of the lasso and marginal regression. The Journal of Machine Learning Research, 13:2107-2143, 2012.
• J. D. Lee and J. E. Taylor. Exact post model selection inference for marginal screening. In Advances in Neural Information Processing Systems, 2014.

タイトルに関連する用語 (1件)： モデル