Research and development of nonlinear Selective Inference for high-dimensional and small number of samples data

点击翻译按钮获取中文摘要

本年度は、カーネル法に基づいた選択的推論手法を提案し, 提案手法をバイオデータに適用した. そして, 機械学習の難関国際会議であるAISTATS2022にて報告した [1]. 上記の結果に加え, 高次元データ解析手法を複数提案した. 具体的には, 木構造最適輸送に基づいたBarycenterの推定手法の提案　[2], 木構造最適輸送距離の学習方法を提案した [3]. これらの研究成果に関しても, AISTATS2022とTransactions on Machine Learning (TMLR)にそれぞれ報告した.[1] Benjamin Poignard, Peter J. Naylor, Hector Climente-Gonzlez, Makoto Yamada: Feature screening with kernel knockoffs. AISTATS 2022: 1935-1974[2]Yuki Takezawa, Ryoma Sato, Zornitsa Kozareva, Sujith Ravi, Makoto Yamada: Fixed Support Tree-Sliced Wasserstein Barycenter. AISTATS 2022: 1120-1137[3]Makoto Yamada, Yuki Takezawa, Ryoma Sato, Han Bao, Zornitsa Kozareva, Sujith Ravi:Approximating 1-Wasserstein Distance with Trees. TMLR 2022