1 0 0 0 OA スパース推定に基づく適応正則化オンライン学習の特徴選択問題
- 著者
- 野崎 俊貴 木村 拓海 川野 秀一
- 出版者
- 日本計算機統計学会
- 雑誌
- 計算機統計学 (ISSN:09148930)
- 巻号頁・発行日
- vol.29, no.2, pp.117-131, 2016 (Released:2017-05-01)
- 参考文献数
- 20
オンライン学習とは, 近年機械学習の分野において注目を集めている学習法であり, その利点は, 逐次的にデータを学習しモデルを構成することにある. 本稿では, 適応正則化学習 (Adaptive Regularization of Weight Vectors; AROW) と呼ばれるオンライン学習モデルの特徴選択を可能にするために, スパース推定に基づく方法を提案する. 推定アルゴリズムには, 座標降下法 (coordinate descent method) を用い, これにより高速化も実現する. 提案手法は, いくつかのチューニングパラメータに依存しているため, これらの値を交差検証法を用いて客観的に選択する. ベンチマークデータに基づく数値実験を通して, 提案手法の有効性を検証する.
1 0 0 0 スパース推定に基づく適応正則化オンライン学習の特徴選択問題
オンライン学習とは, 近年機械学習の分野において注目を集めている学習法であり, その利点は, 逐次的にデータを学習しモデルを構成することにある. 本稿では, 適応正則化学習 (Adaptive Regularization of Weight Vectors; AROW) と呼ばれるオンライン学習モデルの特徴選択を可能にするために, スパース推定に基づく方法を提案する. 推定アルゴリズムには, 座標降下法 (coordinate descent method) を用い, これにより高速化も実現する. 提案手法は, いくつかのチューニングパラメータに依存しているため, これらの値を交差検証法を用いて客観的に選択する. ベンチマークデータに基づく数値実験を通して, 提案手法の有効性を検証する.