Lasso 調整型確率化平衡樹木による回帰解析
書誌事項
- タイトル別名
-
- Regression Analysis Using Lasso-Random Forest
抄録
<p>回帰解析の場面では，目的変数と説明変数の間にある(確率) モデルを想定し，そのモデルに則した形で観測データに対する統計的解釈を付与することが一般的である．しかし目的変数が1 個，説明変数が複数個ある場面において，パラメータに関する線形性(加法性) を想定した線形回帰モデルでは現実の現象を捉えたモデルを構築することは困難である．一つの対処法は，モデル内に非線形構造および交互作用構造を含めることができる樹木構造接近法を用いることである．樹木構造接近法は，Breiman et al.(1984) による分類回帰樹木(CART：Classi cation and RegressionTrees) 法の提案以降，様々な手法が統計科学あるいはデータ・マイニングの分野で提案されている．近年では，樹木構造接近法の低い予測確度の問題を回避するための方法，すなわちアンサンブル学習法が注目されている．アンサンブル学習法とは，樹木モデル(弱学習器) を統合することで，高い予測確度をもつことができる方法である．その代表的な手法の一つが確率化平衡樹木(RF：RandomForest：Breiman, 2001) 法である．このとき，樹木の構築過程に縮小推定量を加味することで，より良好な推定量を得られることがFriedman & Popescu(2004) により指摘されている．本発表では，RF 法に縮小推定量のひとつであるLasso(Tibshirani,1996) を加味させたLasso 調整型確率化平衡樹木(Lasso-RF) 法を提案する．</p>
収録刊行物
-
- 人工知能学会第二種研究会資料
-
人工知能学会第二種研究会資料 2010 (DMSM-A903), 03-, 2010-03-29
一般社団法人 人工知能学会
- Tweet
詳細情報 詳細情報について
-
- CRID
- 1390289225021683584
-
- NII論文ID
- 130008079682
-
- ISSN
- 24365556
-
- 本文言語コード
- ja
-
- データソース種別
-
- JaLC
- CiNii Articles
-
- 抄録ライセンスフラグ
- 使用可