MMDS大阪大学 数理・データ科学教育研究センター
Center for Mathematical Modeling and Data Science,The University of Osaka

重み付き推論における汎化性能推定のための事後共分散型情報量規準

矢野 恵佑(統計数理研究所)

1. ホーム
2. セミナー・集中講義
3. セミナー
4. 重み付き推論における汎化性能推定のための事後共分散型情報量規準

大阪大学 数理・データ科学セミナー データ科学セミナーシリーズ 第58回

重み付き推論における汎化性能推定のための事後共分散型情報量規準

矢野 恵佑(統計数理研究所)

近年、因果推論や転移学習などで重み付き推論が盛んに活用されている。本講演では重み付き推論における統計モデル・機械学習モデルの汎化性能の推定を議論する。特に、ベイズ計算との親和性が高い Widely Applicable Information Criterionを自然に拡張したPosterior Covariance Information Criterionを紹介する。Posterior Covariance Information Criterionは事後共分散を利用した情報量規準であるが、なぜ事後共分散が出てくるかをMalliavin—Stein methodやInfinitesimal Jackknifeとの関係から考察する。また、損失を任意にした場合の拡張についても議論する。
本研究は統計数理研究所の伊庭幸人教授との共同研究である。
参考文献:
1. Iba and Yano (2023) Posterior Covariance Information Criterion for Weighted Inference, accepted at Neural Computation.
2. Iba and Yano, Posterior Covariance Information Criterion for arbitrary loss functions (arXiv:2206.05887)