Vecchia近似を用いたスケーラブルなGauss過程回帰と変数選択【JST・京大機械翻訳】

Cao Jian; Guinness Joseph; Genton Marc G.; Katzfuss Matthias

プレプリント

J-GLOBAL ID：202202209735495675 整理番号：22P0295593

Vecchia近似を用いたスケーラブルなGauss過程回帰と変数選択【JST・京大機械翻訳】

Scalable Gaussian-process regression and variable selection using Vecchia approximations

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年02月25日プレプリントサーバーでの情報更新日： 2022年10月10日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

Gaussプロセス(GP)回帰は,不確実性を自然に定量化する回帰に対する柔軟でノンパラメトリックなアプローチである。多くのアプリケーションにおいて,応答と共変量の数は両方とも大きく,目標は応答に関連する共変量を選択することである。この設定のために,筆者らは,精度行列のスパースCholesky因子を意味する空間統計からの順序付条件付き近似であるVecchia GP近似に基づくペナルティ付きGP対数尤度を最適化する,新しいスケーラブルなアルゴリズム,コインドVGPRを提案した。新しい二次制約座標降下アルゴリズムを介して,対数尤度の勾配に基づく候補共変量を逐次追加し,そして,非選択共変量を逐次追加して,正則化経路を横断した。Vecchiaベースのミニバッチサブサンプリングを提案し,不偏勾配推定量を提供した。得られた手順は,数百万の回答と数千の共変量にスケーラブルである。理論解析と数値研究は,既存の方法と比較して改善されたスケーラビリティと精度を実証した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

統計学 , システム・制御理論一般

, ,

前のページに戻る