文献

J-GLOBAL ID：202102220670665584   整理番号：21A0240332

準スパース性の下での回帰における変数選択のための分離サポートスパイクアンドスラブ事前【JST・京大機械翻訳】

Disjunct support spike-and-slab priors for variable selection in regression under quasi-sparseness

著者 (2件)： Andrade Daniel (Data Science Research Laboratories, NEC, Kanagawa, 211-8666, Japan) ,  Fukumizu Kenji (The Institute of Statistical Mathematics, Tokyo, 190-0014, Japan)
資料名： Stat  (Stat)
巻： 9  号： 1  ページ： e307  発行年： 2020年 
JST資料番号： W2748A  ISSN： 2049-1573  資料種別： 逐次刊行物 (A)
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： 回帰係数ベクトルのひらは,他の利点の中で,スパース性が解釈可能性を改善するので,しばしば望ましい特性である。実際には,多くの真の回帰係数は無視できるほど小さいが,非ゼロであり,準スパース性と呼ばれる。Spike-and-slab事前は,非常に小さい回帰係数を無視するように調整でき,結果として,予測精度と解釈可能性の間のトレードオフを提供する。しかし,完全なサポートを有するスパイクとスラブの事前は,任意の2つのモデルのBayes因子が確率に有界であるという意味で,矛盾するBayes因子をもたらす。これは,Bayes仮説試験の望ましくない特性であり,ここでは,サンプルサイズの増加が,真のモデルに有利なBayes因子の増加につながることを望んでいる。修復として,著者らは,準スパース設定において一貫したBayes因子を証明して,真のモデルを好む実験的に速い成長Bayes因子を示すために,分割サポートスパイク-および-スラブの事前の提案を行った。”そのために,著者らは,擬似スパース設定における一貫したBayes因子を証明して,また,真のモデルを支持する実験的高速成長Bayes因子を示した。模擬および実データに関するいくつかの実験は,高い効果サイズを持つモデルを同定するための提案した方法の有用性を確認し,一方,ハード閾値よりも偽陽性に対してより良い制御を導いた。Copyright 2021 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ベクトル ,  仮説検定
準シソーラス用語： *スパース性 ,  予測精度 ,  回帰係数 ,  *変数選択 ,  有界 , 【Automatic Indexing@JST】

著者キーワード (5件)： Bayes法 ,  計算集約法 ,  大きなサンプル理論 ,  線形モデル ,  可変選択

分類 (2件)： 信号理論  (ND02020G) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： スパース性 ,  変数選択