要旨: 本論文では、残差が線形回帰に類似したガウス分布に従うものと仮定するベイズ型チュッカー分解（BTuD）を提案した。提案したBTuDを実行するためのアルゴリズムも考案したが、従来の高次直交反復によっても、現在の実装と整合するチュッカー分解を生成できる。提案したBTuDを用いることで、様々な合成データセット、結合強度をランダム化したグローバル結合写像、遺伝子発現プロファイルに対して適用可能な教師なし特徴量選択を成功裏に行うことができる。したがって、新たに提案する教師なし特徴量選択手法は有望であると結論できる。さらにこれに加えて、BTuDに基づく教師なしFEは、これまでに提案され、幅広い問題に対して適用されて成功しているTDに基づく教師なしFEとも一致することが期待される。
ベイズ型Tucker分解による教師なし特徴量選択
arXiv stat.ML / 2026/4/17
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- この論文では、残差が線形回帰と類似した形でガウス分布に従うと仮定するベイズ型Tucker分解（BTuD）を提案している。
- BTuDを行うためのアルゴリズムを提示し、従来の高次直交反復でも本実装と整合するTucker分解が得られることを述べている。
- 提案手法ではBTuDを用いて、複数の合成データセットや結合強度をランダム化した全体結合マップといった対象で教師なし特徴量選択を成功させている。
- 遺伝子発現プロファイル（遺伝子発現データ）でも適用し、単なる模擬データに限らない汎用性を示唆している。
- 著者らは、教師なし特徴量選択として有望であり、これまで提案され幅広い問題で適用されてきたTDベースの教師なし特徴量選択とも一致すると期待している。
