複数の特徴選択アルゴリズムの組み合わせにおける選択的推論

• Item type: SIG Technical Reports(1)
• 公開日: 2023-06-22
• タイトル: 複数の特徴選択アルゴリズムの組み合わせにおける選択的推論
• タイトル / 言語: en
• タイトル: Selective Inference for a Combination of Feature Selection Algorithms
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: IBISML
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 名古屋大学
• 著者所属: 名古屋工業大学
• 著者所属: 理化学研究所
• 著者所属: 名古屋大学
• 著者所属: 名古屋大学／理化学研究所
• 著者所属(英): en
• 著者所属(英): Nagoya University
• 著者所属(英): en
• 著者所属(英): Nagoya Institute of Technology
• 著者所属(英): en
• 著者所属(英): RIKEN
• 著者所属(英): en
• 著者所属(英): Nagoya University
• 著者所属(英): en
• 著者所属(英): Nagoya University / RIKEN
• 著者名: 松川, 竜也; 三輪, 大貴; Vo, Nguyen Le Duy; 田地, 宏一; 竹内, 一郎
• 著者名(英): Tatsuya, Matsukawa; Daiki, Miwa; Vo, Nguyen Le Duy; Koichi, Taji; Ichiro, Takeuchi
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: データ駆動型科学においては，仮説がデータに基づいて選択されるため，古典的な統計的仮説検定では適切な信頼性評価を行えない．この問題を解決するため，データに基づく仮説の選択を考慮した条件付き選択的推論（Conditional Selective Inference（CSI ）と呼ばれるアプローチによる信頼性の定量化が注目されている．CSI は特徴選択の分野で多く研究されており，マージナルスクリーニング，Lasso，逐次特徴選択（SFS）など，単一の特徴選択アルゴリズムに対する手法が提案されてきた．しかし，実践的なデータ分析では複数の特徴選択アルゴリズムが組み合わせて利用される場合がある．本研究では，複数のアルゴリズムを組み合わせて特徴選択を行う場合に，全体として信頼性の定量化を行えるような CSI の方法を提案する．また，計算機実験において，提案手法の妥当性を示す．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In data-driven science, classical statistical hypothesis testing does not provide an adequate reliability assessment because hypotheses are selected based on the data. To solve this problem, an approach called Conditional Selective Inference (CSI), which takes into account the hypotheses selected by data, has attracted much attention. Some literature proposed CSI for single feature selection algorithms such as marginal screening, Lasso, and sequential feature selection (SFS). However, in practical data analysis, a combination of multiple feature selection algorithms is sometimes used. In this paper, we propose a new method for quantifying reliability of multiple feature selection algorithms in combination using CSI. Additionally, we demonstrate the validity of the proposed method through numerical experiments.
• 書誌情報: 研究報告バイオ情報学（BIO）; 巻 2023-BIO-74, 号 46, p. 1-8, 発行日 2023-06-22
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8590
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会