文献

J-GLOBAL ID：201902228088074545   整理番号：19A2681879

高次元分類のための周辺スクリーニングによる選択的推論

Selective inference via marginal screening for high dimensional classification

著者 (4件)： Umezu Yuta (Nagoya Institute of Technology, Nagoya, Aichi, Japan) ,  Takeuchi Ichiro (Nagoya Institute of Technology, Nagoya, Aichi, Japan) ,  Takeuchi Ichiro (RIKEN Center for Advanced Intelligence Project, Tokyo, Japan) ,  Takeuchi Ichiro (Center for Materials Research by Information Integration, National Institute for Materials Science, Tsukuba, Ibaraki, Japan)
資料名： Japanese Journal of Statistics and Data Science (Web)  (Japanese Journal of Statistics and Data Science (Web))
巻： 2  号： 2  ページ： 559-589  発行年： 2019年 
JST資料番号： U1494A  ISSN： 2520-8756  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 選択後の推論はモデル選択または変数選択後に,顕著な変数を決定するための統計的手法である。最近,選択後の推論の枠組みの一種である選択的推論が統計学や,機械学習コミュニティにおいて注意を集めている。特定の変数選択手続きに関する条件付けにより,選択的推論は過剰な追加計算コストを課すことなく,変数選択手続きを条件とする第一種過誤である,いわゆる選択的第一種過誤を適切に制御できる。選択的推論は有効な仮説検定手続きを提供できるが,主な焦点はこれまでGauss線形回帰モデルにあった。本論文では,二項分類問題に対する選択的推論フレームワークを開発した。周辺スクリーニングに基づく変数選択後のロジスティック回帰モデルを考察し,選択後の推定量の高次元統計的挙動を導出した。これは変数選択後の仮説検定のために,選択的第一種過誤を漸近的に制御することを可能にする。いくつかのシミュレーション研究を行って検定の統計的検出力を確認し,提案した方法をデータ分割や他の方法と比較した。Copyright 2019 Japanese Federation of Statistical Science Associations Translated from English into Japanese by JST.

シソーラス用語： *シミュレーション ,  スクリーニング ,  モデル ,  *仮説検定 ,  高次元 ,  統計学 ,  回帰モデル ,  回帰分析 ,  原価 ,  分類 ,  選択
準シソーラス用語： ロジスティック回帰モデル ,  ロジスティック回帰分析 ,  二値分類 ,  計算コスト ,  線形回帰モデル ,  変数選択

著者キーワード (5件)： 高次元漸近 ,  仮説検定 ,  ロジスティック回帰 ,  選択後推論 ,  限界スクリーニング

分類 (2件)： システム・制御理論一般  (IA02010H) ,  計算機シミュレーション  (JE11000H)

タイトルに関連する用語 (5件)： 高次元 ,  分類 ,  周辺 ,  スクリーニング ,  推論