L<sub>1</sub>正則化のための経験的ベイズ推定:1パラメータLassoモデルにおける詳細な解析

YOSHIDA Tsukasa; WATANABE Kazuho

文献

J-GLOBAL ID：201902219207612862 整理番号：19A0106232

L₁正則化のための経験的ベイズ推定:1パラメータLassoモデルにおける詳細な解析

Empirical Bayes Estimation for L₁ Regularization: A Detailed Analysis in the One-Parameter Lasso Model

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=19A0106232&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=19A0106232&from=J-GLOBAL&jstjournalNo=U0466A") }}

著者 (2件)： ,
資料名：
巻： E101.A 号： 12 ページ： 2184-2191(J-STAGE) 発行年： 2018年
JST資料番号： U0466A ISSN： 1745-1337 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：日本 (JPN) 言語：英語 (EN)

L₁正則化に基づくLasso回帰は,最も一般的なスパース推定方法の1つである。正則化の程度を決定する正則化パラメータを事前に適切に設定する必要があることは,よくある。経験的ベイズ推定は,正則化パラメータを推定するための効果的な方法を提供するが,その解は,Lasso回帰モデルではまだ十分に調査されていない。本研究は,Lasso回帰の1パラメータモデルの経験的ベイズ推定量を分析し,その一意性とその性質を示した。さらに,この推定量と変分近似の推定量を比較し,その精度を評価した。(翻訳著者抄録)

, , , , , ,
, , , ,

著者キーワード (4件)： , , ,

符号理論 , 統計的品質管理 , 数値計算

引用文献 (13件)：

[1] R. Tibshirani, “Regression shrinkage and selection via the lasso,” J. Royal Statistical Society, Series B, vol.58, pp.267-288, 1994.
[2] M. Elad, Sparse and Redundant Representations: From Theory to Applications in Signal and Image Processing, 1st ed., Springer, 2010. 10.1007/978-1-4419-7011-4_9
[3] T. Hastie, R. Tibshirani, and M. Wainwright, Statistical Learning with Sparsity: The Lasso and Generalizations, Chapman & Hall/CRC, 2015.
[4] D.J. MacKay, “Bayesian methods for backpropagation networks,” in Models of Neural Networks III, E. Domany, van Hemmen, and K. Schulten, eds., pp.211-254, Physics of Neural Networks, Springer New York, 1996. 10.1007/978-1-4612-0723-8_6
[5] M.E. Tipping, “Sparse Bayesian learning and the relevance vector machine,” J. Machine Learn. Res., vol.1, pp.211-244, 2001.

, , , , , ,

前のページに戻る

L1正則化のための経験的ベイズ推定:1パラメータLassoモデルにおける詳細な解析

L₁正則化のための経験的ベイズ推定:1パラメータLassoモデルにおける詳細な解析