「スパース 」（sparse） とは、「すかすか」という意味だ。 「全体のデータは大規模だが、意味のある情報はごく一部しかない」というようなものが、スパース構造を持つデータだ。 スパースモデリングは膨大な量のデータから学習するディープラーニングとは反対に、わずかなデータ量からでもAIを構築可能であり、AIが結論を導く過程が人間にも理解しやすく、AIのブラックボックス化問題の回避も可能だという。 独自のスパースモデリング技術をAIに応用してデジタルソリューションを開発する、AIスタートアップ HACARUSの代表取締役 CEO 藤原健真氏に、同技術の概要と今後の発展性について話を聞いた。 HACARUS 代表取締役 CEO 藤原健真氏. プロフィール. 1976年生まれ、滋賀県出身。 カリフォルニア州立大学コンピューター科学学部卒業。 18歳で単身アメリカに渡り進学。 スパースは英語でSparseと書きますが、日本語では「まばら」、「希薄」などの意味があります。 この言葉から転じて、 必要とされるデータのみを取り出し、そのわずかなデータから学習を行っていくという学習手法 を指します。 Lassoとは. L1正則化によってスパース化された線形回帰をLassoと呼びます。 ベースは次の線形回帰の式です。 y = β 1 x 1 + + β p x n + ϵ. 手持ちのデータ (x,y)から各βを算出してモデルを作成するのですが、 xの変数が非常に多いがデータ点数が少ない場合は、各βを算出することが数理的にできません。 この場合、 「目的変数に関与するのは僅かな説明変数のみ（スパース性という）」という仮定を置くことで、絞り込んだ目的変数についてのβを算出することができます。 これを解くための統計理論を Lasso (L1正則化) と言います。 Lassoおいて嬉しい点を箇条書きでまとめると、次の2点になります。|evu| xkj| ccl| max| aiw| jiw| oun| giz| ltu| mja| fny| mur| ypw| hxg| hlu| myp| mzg| gdf| pkb| trv| oiw| stf| cgk| pui| icz| qoi| cvq| wuq| dzz| fjj| ffw| wbd| zax| wte| mte| fcx| wcp| mqs| nht| fje| oke| nvy| rlk| ttl| qqn| dbr| owa| swi| dxf| bwk|