概要
機械学習の問題では，しばしば確率密度関数による比を推定する必要性が生じます．密度比をより精密に推定することを目的とした方法にはいくつか種類があり，それぞれ利点と欠点があります．本勉強会では，密度比推定の方法について，枠組みとなる基礎理論と特徴について学びます．
目的
- 機械学習手法としての密度比推定の枠組みと特徴について学ぶ．
Part I - Density-Ratio Approach to Machine Learning
Chapter 1:Introduction
Part II - Methods of Density-Ratio Estimation
Chapter 2:Density Estimation
Chapter 3:Moment Matching
Chapter 4:Probabilistic Classification
Chapter 5:Density Fitting
Chapter 6:Density-Ratio Fitting
Chapter 7:Unified Framework
Chapter 8:Direct Density-Ratio Estimation with Dimensionality Reduction
Part III - Applications of Density Ratios in Machine Learning
Chapter 9:Importance Sampling
Chapter 10:Distribution Comparison
Chapter 11:Mutual Information Estimation
Chapter 12:Conditional Probability Estimation
Part IV - Theoretical Analysis of Density-Ratio Estimation
Chapter 13:Parametric Convergence Analysis
Chapter 14:Non-Parametric Convergence Analysis
Chapter 15:Parametric Two-Samples Test
Chapter 16:Non-Parametric Numerical Stability Analysis
Part V - Conclusions
Chapter 17:Conclusions and Future Directions
実施期間・日時
場所: オンライン (Skype)
日時: 2020年4月 - 5月, 毎週月曜日17時 - 19時
参考資料
[1] M. Sugiyama et al. Density Ratio Estimation in Machine Learning, Cambridge University Press, 2012.