权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

超高次元かつ分布多様なデータに対応できる統計的因果探索の開発

开发可以处理极高维和分布式数据的统计因果搜索

基本信息

批准号：
21J10457
负责人：
原田和治
金额：
$ 0.58万
依托单位：
The Graduate University for Advanced Studies
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-28 至 2023-03-31
项目状态：
已结题

项目摘要

本研究は，「高次元データへの対応」および「分布の多様性への対応」という二つの課題からなる計画であり，令和３年度（以下，本年度）は前者に取り組む計画であった．LiNGAMは統計的因果探索における代表的なモデルのひとつである．本研究では，LiNGAMを高次元データに適用することを目標とし，高次元データ解析で広く用いられるスパース推定法の技術の応用を試みた．この試みの困難な点は，主に次の二点である．(1) LiNGAMはパラメータ数がデータの次元の二乗に比例する性質を持ち，線形回帰モデルなどに比べ高次元データへの対応が困難である点．(2) LiNGAMの推定で用いられる独立成分分析は，データを予め無相関化し，パラメータ行列を直交行列に制約することで安定して実行できるが，直交制約とスパース推定の両立が原理的に難しい点．申請者はこれらの課題に対し，主として(1) L1罰則よりも強力にスパース性を誘導するAdaptive lasso型の罰則項を使用すること，(2) 直交制約を緩和し，パラメータ行列に直交性をゆるく課す罰則項を加えること，の２点で対応した．他にも，提案手法から導かれる最適化問題を解くため，細かな工夫を入れ込むことで，安定した推定が可能になった．提案手法は，サンプルサイズ1000に対し，既存手法がほとんど機能しなかった500次元（パラメータ数約25万）のデータに対しても十分な性能を示した．さらに低次元のデータに対しても，既存手法を上回る推定精度を示した．以上から，本年度の課題である「高次元データへの対応」については，十分に目標を達成したと申請者は考えている．以上の結果は機械学習の査読付き学術誌であるNeurocomputing誌に掲載された．また，次年度に向け，分布の多様性への対処の一環として，外れ値が含まれるデータに対する因果効果の推定という課題にも取り組んでいる．

This study is based on the project of "high dimensional data matching" and "distribution diversity matching", so that the former is selected and grouped in the third year (below, this year).LiNGAM is the representative of statistical causal exploration. This study is aimed at the application of high-dimensional data analysis. The difficulty of this trial is that the main point is the second point. (1)LiNGAM has a number of difficulties in determining the ratio of the two dimensions of the object to each other. (2)Independent component analysis (ICA) is used to estimate the probability of LiNGAM. It is difficult to determine the probability of LiNGAM using independent component analysis (ICA). The applicant shall apply the penalty term of Adaptive lasso type for the purpose of (1) L1 penalty term,(2) L1 penalty term,(3) L1 penalty term,(4) L1 penalty term,(5) L1 penalty term,(6) L2 penalty term,(7) L1 penalty term,(8) L2 penalty term,(9) L1 penalty term,(9) L2 penalty term,(9) L3 penalty term,(9) L4 penalty term. He proposed a method to solve the optimization problem. He proposed a method to solve the optimization problem. He proposed a method to solve the optimization problem. The proposed method is to provide 1000 yuan for the existing method. The existing method is to provide 500 yuan for the function (about 250,000 yuan for the number of users) and 1000 yuan for the performance. The accuracy of the estimation of the existing method is shown below. This year's theme is "High Dimensional Design". These results are published in the Journal of Neurocomputing. In the next year, the direction of distribution is different, and the external value is different.