文献

J-GLOBAL ID：202202242318919861   整理番号：22A1157896

エラー耐性によるロバスト回帰【JST・京大機械翻訳】

Robust regression via error tolerance

著者 (7件)： Bjorklund Anton (Department of Computer Science, University of Helsinki, Helsinki, Finland) ,  Henelius Andreas (Department of Computer Science, University of Helsinki, Helsinki, Finland) ,  Henelius Andreas (OP Financial Group, Helsinki, Finland) ,  Oikarinen Emilia (Department of Computer Science, University of Helsinki, Helsinki, Finland) ,  Kallonen Kimmo (Helsinki Institute of Physics, University of Helsinki, Helsinki, Finland) ,  Puolamaeki Kai (Department of Computer Science, University of Helsinki, Helsinki, Finland) ,  Puolamaeki Kai (Institute for Atmospheric and Earth System Research (INAR), University of Helsinki, Helsinki, Finland)
資料名： Data Mining and Knowledge Discovery  (Data Mining and Knowledge Discovery)
巻： 36  号： 2  ページ： 781-810  発行年： 2022年 
JST資料番号： W1105A  ISSN： 1384-5810  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 実世界データセットはしばしば異常値によって特性化される。データの残りと同じ構造に従わないデータ項目。これらの異常値は,データのモデリングに悪影響を与える可能性がある。データ解析において,異常値に対してロバストである方法を考慮することが重要である。本論文では,与えられた精度に対してスパース線形モデルを用いて近似できるデータ項目の最大部分集合を見つけるロバストな回帰法を開発した。著者らは,これが異常値に対して最良の可能なロバスト性を与えることができることを示した。しかし,この問題はNP困難であり,SLISEと呼ばれる効率的な近似アルゴリズムを提示する。この方法は,特に高次元データセットの速度に関して,既存の最先端のロバスト回帰法を拡張した。著者らは,この方法を,合成および実世界回帰問題の両方に適用することによって実証した。Copyright The Author(s) 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 統計 ,  *回帰分析 ,  モデリング ,  データ解析 ,  異常値 ,  性質 ,  キャラクタリゼーション ,  *誤り ,  NP困難 ,  *ロバスト性
準シソーラス用語： スパース性 ,  近似アルゴリズム ,  線形モデル ,  高次元データ ,  *ロバスト回帰 , 【Automatic Indexing@JST】

著者キーワード (4件)： ロバストな回帰 ,  ロバストな統計 ,  異常値検出 ,  スパース性

分類 (5件)： 人工知能  (JE08000Z) ,  統計学  (AB08000H) ,  信号理論  (ND02020G) ,  分析化学一般  (CC02010H) ,  数値計算  (JE02000J)

タイトルに関連する用語 (3件)： エラー ,  耐性 ,  ロバスト回帰