混合ノルム正則化を用いたコスト考慮型学習の同時変数選択に関する研究

摘要

誤分類コストの異なる分類問題においてはコスト考慮型学習を用いることが有用である.本研究では，同一のデータに対して異なるコスト考慮型分類器を学習しその特徴選択を行う問題を考える.すべてのコスト考慮型分類器において同一の特徴が選択されるようにするため混合ノルム正則化を用いたアプローチを導入する.さらにその区分定数正則化パス追跡アルゴリズムについても述べる.簡単な数値実験を行い，提案アプローチの有効性を検証する.%Cost-sensitive learning is useful for binary classification when the costs of miss-classifications are not symmetric. In this report, we study the problem of selecting a common set of features when several binary classifiers with different costs are trained. To this end, we introduce mixed norm regularization framework and formulate the problem as a regularized empirical risk minimization. We also develop its regularization-path following algorithm, and show that the path of the optimal solutions has piecewise-constant form. A simple simulation study was conducted to illustrate the effectiveness of the presented approach.