保科架風, 小西貞則

２０１１年度統計関連学会連合大会 at 九州大学

※コンペティション最優秀報告賞を受賞

【概要】

回帰モデリングにおいて変数選択と回帰係数の推定を同時に行う（これをスパース性と呼ぶ）ことを可能とするスパースモデリング手法は, 高次元データから効率的に有益な情報を抽出する手法である. 一方, スパースモデリング手法とベイズモデリングとの関係性はよく知られており, 代表的なスパースモデリング手法である Lasso はガウス線形回帰モデルにおいて回帰係数にラプラス事前分布を設定したときのMAP推定量として解釈することが可能である. この関係から Lasso を完全にベイズモデリングの枠組みに拡張したものが Bayesian lasso である. しかし, Bayesian lasso による回帰係数の点推定値にはスパース性が欠落している. そこで本研究では, Bayesian lasso の点推定値にスパース性を付与する推定アルゴリズムを提案した.