マルチスケール k-近傍法における回帰関数および損失関数の検討

DOI
  • 操 瑞行
    京都大学 理化学研究所革新知能統合研究センター
  • 田中 卓磨
    京都大学 理化学研究所革新知能統合研究センター
  • 奥野 彰文
    統計数理研究所 理化学研究所革新知能統合研究センター
  • 下平 英寿
    京都大学 理化学研究所革新知能統合研究センター

書誌事項

タイトル別名
  • A Study on Regression and Loss Functions for Multiscale k-Nearest Neighbour

説明

<p>k-近傍法（k-NN）はクエリ近傍の k 個のデータベクトルを検索し，付随するラベルの平均によりラベル確率を推定する．近年，複数の k1, k2, ... における k-NN 推定量を k=0 に外挿し，k-NN の漸近バイアスを減少させるマルチスケール k-近傍法 (MS-k-NN）が提案された．既存の MS-k-NN では漸近的に導出された回帰関数を最小二乗法により推定するが，(i) その回帰関数の有限サンプルにおける有効性は明らかでなく，(ii) 単純な最小二乗法では各 k での k-NN 推定量の従属性を適切に扱えていない，という問題があった．これらの問題を解決するために，本研究では MS-k-NN の外挿に利用する新たな回帰関数と推定法を検討する．また MS-k-NN に着想を得た Local Radial Logistic Regression（LRLR）を提案し，これらの手法を数値実験により比較する．</p>

収録刊行物

関連プロジェクト

もっと見る

キーワード

詳細情報 詳細情報について

  • CRID
    1390851320455190912
  • NII論文ID
    130008051520
  • DOI
    10.11517/pjsai.jsai2021.0_1g4gs2c01
  • ISSN
    27587347
  • 本文言語コード
    ja
  • 資料種別
    journal article
  • データソース種別
    • JaLC
    • CiNii Articles
    • KAKEN
  • 抄録ライセンスフラグ
    使用不可

問題の指摘

ページトップへ