抄録
スペクトル解析やプロセス管理などの分野における回帰分析において，隣接する説明変数Xの間の相関が高いデータを扱う場合に変数を領域単位で選択する試みがなされている．変数領域選択手法の一つであるgenetic algorithm-based wavelength selection (GAWLS) 法により変数領域とその組み合わせを同時に最適化することが可能であるが，モデル構築手法として線型回帰分析手法の一つであるpartial least-squares法が使用されており，Xと目的変数yの間の非線型関係を適切に表現することは困難である．そこで本研究では，変数間に非線型性が存在する場合においても適切な変数領域選択と予測精度の高いモデル構築を同時に達成することを目的として，GAWLSと非線型回帰分析手法の一つであるsupport vector regression (SVR) を組み合わせた新規な変数領域選択手法を開発した (Figure 1)．この提案手法をGAWLS-SVR法と呼ぶ．GAWLS法における評価値をSVRモデルのq2値とすることで，SVR法による非線型性の抽出とGAWLS法による領域単位の変数選択が同時に達成できると考えられる．本手法の有効性を確認するため，シミュレーションデータを用いた解析を行った．隣接する変数間の相関の強いXとyの間に非線型性がある場合において解析を行った結果，非線型関係が単調増加関数や単調減少関数で表現される場合はGAWLS法により適切に変数選択を行うことが可能であったが，極小値を持つような関数の場合はGAWLS法では対応できなかった．このような場合に提案手法であるGAWLS-SVR法を用いることで，非線型性を考慮した適切な変数選択が達成され，精度と予測性能の高いモデル構築が可能であることを確認した (Table 2, Figure 6)．
