スパース推定 lasso セミナー

サイトマップサイトマップ よくあるお問合わせよくあるお問合せ リクエストリクエスト セミナー会場セミナー会場へのアクセス リンクリンク
セミナーのメニュー
  ヘルスケア系
10月
11月
12月
2020年1月〜

化学・電気系 その他各分野
10月
11月
12月
2020年1月〜
出版物出版物
新刊図書新刊図書 月刊 化学物質管理Gmpeople
通信教育講座通信教育講座
LMS(e-learning)LMS(e-learning)
セミナー収録DVDDVD
電子書籍・学習ソフトDVD
セミナー講師のコラムです。講師コラム
  ↑2019/10/7更新!!
お申し込み・振込み要領お申込み・振込要領
案内登録案内登録
↑ ↑ ↑
新着セミナー、新刊図書情報をお届けします。

※リクエスト・お問合せ等
はこちら→ req@johokiko.co.jp



SSL GMOグローバルサインのサイトシール  


医薬・機器・化粧・食品系セミナー

*その他 機械学習・ディープラーニング・人工知能: 関連セミナー、書籍はこちら:

★正則化法に基づくスパース推定、lasso、lasso拡張及構造的スパース正則化を解説。
★回帰モデル(ロジスティック、ポアソン、Cox)におけるスパース推定とは?
★計算アルゴリズムおよび正則化パラメータ選択方法も解説します。


スパース推定入門

講師

電気通信大学 大学院情報理工学研究科 准教授 博士(機能数理学) 川野 秀一 先生

* 希望者は講師との名刺交換が可能です

講師紹介

■主経歴
2009年4月〜2011年3月 日本学術振興会 特別研究員
2011年4月〜2012年3月 大阪府立大学 学術研究院第2学群 数学系 助教
2012年4月〜2014年9月 大阪府立大学 学術研究院第2学群 数学系 講師
2014年10月〜2016年3月 電気通信大学 大学院情報システム学研究科 准教授
2016年4月〜現在 電気通信大学 大学院情報理工学研究科 准教授

■専門・得意分野
統計科学、データサイエンス、機械学習

■主要著書
「スパース推定法による統計モデリング(共著)」(共立出版)(2018)

■本テーマ関連の学会・協会等での委員会活動など
Behaviormetrika Coordinating Editor
応用統計学会 和文誌「応用統計学」編集委員
日本計算機統計学会 和文誌「計算機統計学」編集委員

→このセミナーを知人に紹介する

<その他関連セミナー>

機械学習・ディープラーニング・人工知能関連セミナー・書籍一覧

日時・会場・受講料

●日時 2019年11月26日(火) 10:30-16:30
●会場 [東京・大井町]きゅりあん4階研修室 →「セミナー会場へのアクセス」
●受講料 1名43,000円 + 税、(資料・昼食付)
 *1社2名以上同時申込の場合、1名につき33,000円 + 税
 ※消費税につきましては講習会開催日の税率にて課税致します。
      *学校法人割引;学生、教員のご参加は受講料50%割引。→「セミナー申込要領・手順」を確認下さい。

 ●録音・撮影行為は固くお断り致します。
 ●講義中の携帯電話の使用はご遠慮下さい。
 ●講義中のパソコン使用は、講義の支障や他の方の迷惑となる場合がありますので、極力お控え下さい。
  場合により、使用をお断りすることがございますので、予めご了承下さい。
  *PC実習講座を除きます。


■ セミナーお申込手順からセミナー当日の主な流れ →

セミナーポイント

■講座のポイント
 データ解析において特徴量が大量にある場合、真に必要な特徴量のみを抽出したいことがあります。この要請に対して統計学では変数選択、機械学習では特徴量選択という枠組みの下、これまで様々な技術が開発されてきています。
 本講座では、比較的近年に開発されたスパース推定と呼ばれる方法を紹介します。スパース推定は統計学における推定法の一つであり、本講座では特に、正則化法に基づくスパース推定を中心に紹介します。正則化法から丁寧に説明をはじめ、スパース推定の代表格であるlassoを紹介します。その後、lassoの拡張ならびに構造的スパース正則化、一般化線形モデルにおけるスパース推定を紹介します。また、計算アルゴリズムおよび正則化パラメータの選択方法についても紹介します。

■受講後、習得できること
・正則化法の基礎知識
・スパース推定の基礎知識
・スパース推定を用いた統計モデルの基礎知識
・スパース推定の計算アルゴリズムの基礎知識

セミナー内容

1.正則化法
 1.1 最小2乗推定量
 1.2 正則化最小2乗推定量
 1.3 バイアス-バリアンストレードオフ
 1.4 最適化問題との関係

2.lasso
 2.1 lassoの定式化
 2.2 なぜlassoは変数選択可能か?〜図による解釈〜
 2.3 解パス
 2.4 lassoと従来の変数選択問題との関係

3.lassoの拡張および構造的スパース正則化
 3.1 エラスティックネット
 3.2 fused lasso
 3.3 グループlasso
 3.4 OSCAR、一般化fused lasso

4.一般化線形モデルにおけるスパース推定
 4.1 ロジスティック回帰モデル
 4.2 ポアソン回帰モデル
 4.3 Cox回帰モデル

5.計算アルゴリズム
 5.1 座標降下法
 5.2 交互方向乗数法

6.正則化パラメータの選択
 6.1 交差検証法
 6.2 情報量規準
 6.3 ベイズ型情報量規準

(質疑応答)

セミナー番号:AA191194

top

注目の新刊

雑誌 月刊化学物質管理

各社の化学物質管理

分散技術

中分子医薬品

5G

洗浄バリ 2019

日本語メディカルライティング

DI対応CSV 2019

プラスチック環境対応技術

自動運転センシング

半導体製造プロセス

分野別のメニュー

化学・電気系他分野別一覧

  植物工場他

  機械学習他

ヘルスケア系分野別一覧

  海外関連

  医療機器

各業界共通
マーケティング・人材教育等

「化学物質情報局」

特許・パテント一覧 INDEX
(日本弁理士会 継続研修)

印刷用申込フォーム    

セミナー用

書籍用

会社概要 プライバシーポリシー 通信販売法の定めによる表示 商標について リクルート
Copyright ©2011 情報機構 All Rights Reserved.