大規模な欠損を含む複数のデータセットからの高精度変数間因果推定

从多个大缺失数据集进行高精度跨变量因果推断

• 批准号: 12J00763
• 负责人: 十河 泰弘
• 金额: $ 0.64万
• 依托单位: Osaka University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2012
• 资助国家: 日本
• 起止时间: 2012 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-12J00763/
• 关键词: 変数間関係推定; 能動学習; Density Power Divergence

実験等で得られる数値データから,データに含まれる観測変数間の影響関係を推定することは,その応用上非常に重要である.一例としては,マーケティングにおける価格と商品の売れ行きなどが挙げられる.本研究では,大規模化に伴って一部変数の情報が欠損したデータからの因果推論を目的としている.そこで,今年度は,欠損有りデータと欠損無しデータを同時に活用し,より高精度かつノイズに対してロバストに特定変数間の影響関係を推定する手法の提案を行った.ここで,この欠損は一定のコストをかけることで人手もしくは実験によってデータが修復可能なものであることと仮定され,欠損有りデータ内のサンプルはラベルなしサンプル,欠損なしデータ内のサンプルはラベル有りサンプルと呼ばれる.通常の影響関係推定法では,ラベル有りデータのみからしか,特定変数間の関係を推定することができない.一方で,本研究で取り扱った能動学習と呼ばれる枠組みでは,ラベル有りデータを元に,ラベルなしサンプルのうちラベル有りサンプルへと修復(ラベル付け)することで最も推定精度の向上が期待されるサンプルを選択し,効率的な学習を可能にする.この枠組みにおいて従来法ではラベル付けは必ず正しいことが仮定されていたが,この仮定は現実的ではなかった.そこで,本研究では,Density Power Divergenceと呼ばれるラベル付けの誤りに対してもロバストに機能する統計的指標を導入した.これにより,ロバストに機能する能動学習を提案し,そのロバスト性を人工データならびに実データを用いた数値実験により評価を行った.この手法により,特定の形式での欠損を含むデータを活用することで,特定変数間の影響関係を高精度に推定可能な手法が実現された.

估计从实验中获得的数值数据中的数据中包含的观察到的变量之间的影响关系。对于其应用非常重要。一个例子是营销和产品销售的价格。这项研究的目的是从数据中的因果推断，在这些数据中，由于大规模增加，有关某些变量的信息缺失了。因此，在这个财政年度，我们提出了一种同时利用丢失的数据和非缺陷数据的方法，并以更准确，更稳健的方式估算特定变量之间的影响关系。在这里，假定这种损失是人类或实验恢复，并且可以通过一定数量的成本来修复的数据，并且缺少的数据假设数据可以通过人体或实验性修复。样品中的样品标记为样品，并且缺少数据中的样品被标记为样品。在通常的影响关系估计方法中，只能从标记的数据中估算特定变量之间的关系。另一方面，在本研究中处理的称为Active学习的框架中，最有可能提高估计准确性的样本是根据标记的数据选择的，并且可以进行有效的学习。在此框架中，在常规方法中始终认为标记是正确的，但是该假设并非现实。因此，在这项研究中，使用了密度。引入了用于标记误差（称为功率差异）的统计指数。这项提出的积极学习，可以使用人工和实际数据进行数值实验评估鲁棒性。已经意识到，通过利用包含特定格式的缺陷的数据，可以估计具有高精度的特定变量之间的影响关系。

项目成果

Active Learning for Regression via Density Power Divergence

通过密度幂散度进行回归的主动学习

• DOI: 10.1527/tjsai.28.13
• 发表时间: 2013
• 期刊: Transactions of the Japanese Society for Artificial Intelligence
• 作者: 十河泰弘;植野剛;河原吉伸;鷲尾隆
• 通讯作者: 鷲尾隆

Robust active learning for linear regression via density power divergence

通过密度幂散度进行线性回归的鲁棒主动学习

• 发表时间: 2012
• 作者: Y. Sogawa;T. Ueno;Y. Kawahara & T. Washio
• 通讯作者: Y. Kawahara & T. Washio

Density Power Divergenceを用いたロバスト能動学習

使用密度功率发散的鲁棒主动学习

• 发表时间: 2012
• 作者: 十河泰弘;植野剛;河原吉伸;鷲尾隆;Yasuhiro Sogawa;十河泰弘
• 通讯作者: 十河泰弘