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。
安定性選択(MeinshausenとBuhlmann,2010)は,多くのサブサンプルで一貫して選択されるそれらの特徴だけを返すことにより,どのような特徴選択法をより安定にする。重要な潜在変数に対して高度に相関するプロキシを含むデータに対して,その知識は,1つのプロキシを典型的に選択し,lassoによる安定性選択は,任意のプロキシを選択できないが,lasso単独よりも悪い予測性能に導くことを,著者らは証明した。著者らは,クラスタ安定性選択を導入し,それは,高度に相関するクラスタがデータに存在することの知識を利用して,この設定における安定性選択より良い特徴ランキングをもたらした。重みがクラスタメンバーを選択する周波数によって決定される各重要なクラスタにおける特徴の重み付き平均を取り上げて,いくつかの特徴組合せアプローチを考察し,それは以前の提案よりもより良い予測モデルを導くことを示した。MeinshausenとBuhlmann(2010)とShahとSamworth(2011)からの理論的保証の一般化を提示し,クラスタ安定性選択が同じ保証を維持することを示した。要約すれば,クラスタ安定性選択は,両方の世界の中で最良であり,安定かつ良好な予測性能を有するスパース選択集合を生成する。【JST・京大機械翻訳】
