@techreport{oai:ipsj.ixsq.nii.ac.jp:00087158,
 author = {日野英逸 and 越島健介 and 村田昇},
 issue = {6},
 month = {Nov},
 note = {データの次元を適切に削減することは，計算コスト及び記憶領域の削減，データの本質的構造の把握に繋がる．特に回帰問題においては，データが拘束されている部分空間を推定する sufficient dimension reduction の問題が盛んに研究されている．その代表例である層別逆回帰は，説明変数が楕円分布に従う場合は，応答変数の値によって層別した説明変数の中心ベクトルを用いて線型次元削減行列を推定することの正当性が理論的に保証されている．層別逆回帰の拡張として，カーネルトリックを利用することで非線型次元削減部分空間を推定する手法も提案されているが，利用するカーネル関数を適切に選択する必要がある．本研究では，カーネル層別逆回帰に利用するカーネル関数の選択手法を提案する．カーネル関数を定めることで，付随する特徴空間における説明変数の分布が決定されることに着目し，説明変数が特徴空間で正規分布に従うようにカーネルを選択する．正規分布は楕円分布の一種であり，これにより層別逆回帰における仮定が満たされる．特徴空間における分布の正規性を特性関数によって評価し，カーネル関数の凸結合の結合係数を最適化するアルゴリズムを導出する．幾つかの実データを用いた実験から，提案手法の有用性を示す．},
 title = {カーネル層別逆回帰のためのモデル選択手法},
 year = {2012}
}