ベジエ単体フィッティングの細分に基づくElastic Netの効率的チューニング

抄録

Elastic Net はスパースモデリングの基本的な手法であり、そのハイパーパラメタチューニングは、ベジエ曲線の高次元拡張であるベジエ単体という幾何図形を利用して効率化できることが示唆されている。しかしながら、既存手法では、ベジエ単体を利用するのに、高次の多項式近似を用いた、多量の訓練時間が前処理として必要となってしまう。そこで、今回は、ベジエ単体を細分することで前処理を効率化するアプローチを提案する。この細分によって、Elastic Netの解を構成する空間の学習を部分問題に分割し、それぞれの問題を低次の多項式回帰問題にすることができることを示す。