[2J1-GS-2] 機械学習: ガウス過程モデル

[2J1-GS-2-04] NMARな欠測でのガウス過程によるデータ融合法

〇光廣 正基^1,2、星野 崇宏^3,4 (1. （株）日経リサーチ、2. 慶應義塾大学大学院経済学研究科、3. 慶應義塾大学経済学部、4. 理化学研究所革新知能統合研究センター)

キーワード：統計的データ融合、ガウス過程潜在変数モデル、欠測データ

マーケティングや経済学などの分野では，同時に観測されない変数間の関係を調べるため，異なる情報源から取得した複数の多変量データを統合する必要がある．統計的データ融合は，マルチソースデータをシングルソースデータとして統合する手法であり，統計的マッチングや統計モデルベースのアプローチがよく使用されている．中でも共変量とアウトカム変数の背後に共通因子を仮定する潜在変数モデリングでは，各変数が潜在変数との線形関係を仮定しているため，非線形な関係まで捉えることができない．また，主成分分析法を拡張したガウス過程潜在変数モデルという手法が提案されており，この手法は非線形関係の特徴抽出を得意とする．本研究では，欠測メカニズムを考慮し，ガウス過程潜在変数モデルを用いたデータ融合法を提案する．欠測するかどうかが潜在変数に依存するNMARな欠測データに適用するため，割り付け変数に離散選択モデルを仮定する．さらに，ガウス過程から生成される各変数の分布は正規分布だけでなく，離散値も適用可能とする．