文献

J-GLOBAL ID：201702221699647020   整理番号：17A1779698

Coxモデルのための安定性選択によるアンサンブル化可変セレクタ【Powered by NICT】

Ensembling variable selectors by stability selection for the Cox model

著者 (2件)： Li Jun-Li (School of Mathematics and Statistics, Xi’an Jiaotong University, Xi’an, Shaanxi 710049, China) ,  Zhang Chun-Xia (School of Mathematics and Statistics, Xi’an Jiaotong University, Xi’an, Shaanxi 710049, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICMLC  ページ： 35-41  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 解釈モデルを構築するための有効なツールとして,変数選択は高次元データ解析においてますます重要な役割を果たしている。アンサンブル学習は有意に選択精度を改善し,従来の選択法の不安定性を軽減し,偽発見率(FDR)を減少させることができることが分かった。,変数選択アンサンブル(VSE)は近年多くの関心を集めている。投げ縄のようなベースアルゴリズムと組み合わせたサブサンプリングに基づくVSE技術,安定性選択[1]は,FDRを制御し,線形回帰モデルにおける選択精度を改善する有効な方法である。本論文では,Coxモデルにおける変数選択問題を扱うために,適用した。各種削除速度を持ついくつかのシミュレートしたデータを用いて,その性能安定性選択における1パラメータAminの影響を研究した。一方,安定性選択は他の変数選択法と比較した。実験結果はその良好な性能を実証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *選別器 ,  不安定性
準シソーラス用語： 線形回帰モデル ,  サブサンプリング ,  発見率 ,  アンサンブル学習 ,  高次元データ ,  変数選択 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (5件)： モデル ,  安定性 ,  アンサンブル ,  可変 ,  セレクタ