hawai06 https://blog.hatena.ne.jp/hawai06/ Insight Edge Tech Blog https://techblog.insightedge.jp/ 数理最適化 はじめに ビッグデータや機械学習の技術を活用したDX推進/分析プロジェクトでは、計算量が少なく、機械学習に特有な問題構造を上手く取り扱えるアルゴリズムが必要と考えられる。特に弊社が行なっているようなビジネス課題を解決するプロジェクトの場合は、成果物をビジネスへ活用しやすいよう解釈性に富んでいる方が良く、出力がスパースなアルゴリズムが望ましいと思われる。 一方Frank-Wolfe法とは制約付き最適化問題を解くアルゴリズムであり、古くから最適制御や均衡問題など幅広く用いられている。このアルゴリズムは計算量が少なく、さらに機械学習によく現れる制約条件を取り扱い易いため、近年では機械学習やデータサイエンスなどの分野にも適用されている。また出力される解がスパースになることが知られていることから、このアルゴリズムはビジネス課題の解決手法として候補たり得るものであると思われる。 そこで本稿では、Frank-Wolfe法の詳細およびスパース性が誘導される理由を確認するとともに、実務での有用性を簡易な数値実験を通して確認することとする。 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Ftechblog.insightedge.jp%2Fentry%2Ffw-sparse-solution" title="【概説】Frank-Wolfe法により誘導されるスパース性 - Insight Edge Tech Blog" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://cdn-ak.f.st-hatena.com/images/fotolife/i/insightedge/20240618/20240618073010.png Hatena Blog https://hatena.blog 2024-06-18 07:30:00 rich https://techblog.insightedge.jp/entry/fw-sparse-solution 1.0 100%