抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
多重源の集約と本質的に欠測された情報(センサ故障,調査における未解決の質問)により,ほとんどの実世界データセットにおいて,誤解値が発生する。事実,欠測値の非常に自然は,通常,標準学習アルゴリズムの実行を妨げる。本論文では,広く研究された線形モデルに焦点を当てたが,欠測値の存在下では,極めて挑戦的なタスクであると判明した。実際,Bayes規則は各欠損パターンに対応する予測子の合計として分解できる。これは,最終的に,入力特徴の数において,多くの学習タスクを解決する必要があり,これは,現在の実世界データセットに対して予測を不可能にする。最初に,最小二乗型推定器を解析するための厳密な設定を提案し,次元で指数的に増加する過剰リスクの境界を確立した。その結果,著者らは,欠落データ分布を利用して,新しいアルゴリズムを提案して,ミニマックス最適であると判明する関連適応リスク限界を引き出した。数値実験は,欠測値による予測に用いる最先端のアルゴリズムと比較して,著者らの方法の利点を強調した。【JST・京大機械翻訳】