文献

J-GLOBAL ID：202102274488256359   整理番号：21A1072635

高次元誤特定二値分類における予測と変数選択【JST・京大機械翻訳】

Prediction and Variable Selection in High-Dimensional Misspecified Binary Classification

著者 (2件)： Furmanczyk Konrad (Institute of Information Technology, Warsaw University of Life Sciences (SGGW), Nowoursynowska 159, 02-776 Warszawa, Poland) ,  Rejchel Wojciech (Faculty of Mathematics and Computer Science, Nicolaus Copernicus University, Chopina 12/18, 87-100 Torun, Poland)
資料名： Entropy (Web)  (Entropy (Web))
巻： 22  号： 5  ページ： 543  発行年： 2020年 
JST資料番号： U7179A  ISSN： 1099-4300  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 本論文では,高次元シナリオの下での誤指定二値分類モデルにおける予測と変数選択を考察した。分類への2つのアプローチに焦点を合わせ,それは計算的に効率的であるが,モデル誤指定を導く。最初のものは,分類データにペナルティ化したロジスティック回帰を適用することであり,それはおそらくロジスティックモデルに従わない。第2の方法は,さらに多くのラジカルであり,それらは,それらが数であり,ペナルティ化された線形回帰を適用するので,オブジェクトのクラスラベルをちょうど処理する。本論文では,これら2つのアプローチを徹底的に調べ,予測と変数選択において成功するという保証条件を提供した。結果は,予測子の数がサンプルサイズよりはるかに大きいとしても,保持する。論文は,実験結果によって完成した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ラジカル ,  *高次元 ,  ペナルティ
準シソーラス用語： 予測子 ,  ロジスティック回帰分析 ,  線形回帰 ,  ロジスティックモデル ,  *変数選択 ,  *二値分類 , 【Automatic Indexing@JST】

著者キーワード (5件)： 誤分類リスク ,  モデル誤特定化 ,  ペナルティ付き推定 ,  教師付き分類 ,  可変選択一貫性

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (42件)：

• Hastie, T.; Tibshirani, R.; Friedman, J. The Elements of Statistical Learning; Data Mining, Inference and Prediction; Springer: New York, NY, USA, 2001.
• Bühlmann, P.; van de Geer, S. Statistics for High-Dimensional Data: Methods, Theory and Applications; Springer: New York, NY, USA, 2011.
• Tibshirani, R. Regression Shrinkage and Selection via the Lasso. J. R. Stat. Soc. Ser. B 1996, 58, 267-288.
• Meinshausen, N.; Bühlmann, P. High-dimensional graphs and variable selection with the Lasso. Ann. Stat. 2006, 34, 1436-1462.
• Zhao, P.; Yu, B. On Model Selection Consistency of Lasso. J. Mach. Learn. Res. 2006, 7, 2541-2563.

タイトルに関連する用語 (4件)： 高次元 ,  二値分類 ,  予測 ,  変数選択