[読会]A critical review of lasso and its derivatives for variable selection under dependence among covariates
•
0 likes•125 views
Recommended
More Related Content
What's hot
What's hot (20)
Similar to [読会]A critical review of lasso and its derivatives for variable selection under dependence among covariates
Similar to [読会]A critical review of lasso and its derivatives for variable selection under dependence among covariates (10)
More from shima o
More from shima o (20)
[読会]A critical review of lasso and its derivatives for variable selection under dependence among covariates
- 1. A critical review of LASSO and its derivatives for variable selection under dependence among covariates Laura Freijeiro-González et al, 2020
- 2. 概要 特徴量（変数）選択器としてのLASSOの特性研究 複数のシナリオでLASSOが上手く働かない場合を主に見ている n >= p, p > nの両方（n: サンプルサイズ, p: 変数数） 対応策も言及
- 4. 良くやる例 import lightgbm as lgb from sklearn.pipeline import Pipeline from sklearn.feature_selection import SelectFromModel from sklearn.linear_model import Lasso class SelectF(SelectFBase): def __init__(self, X, y): self._select_features(X, y) def _select_features(self, X, y): regressor = Lasso(alpha=3) sfm = SelectFromModel(regressor) sfm.fit(X, y) self.sfm = sfm def transform(self, X): return X.loc[:, self.sfm.get_support()] pip_lgb = Pipeline([("sf", SelectF(X_train, y_train)), ('es', lgb.LGBMRegressor(**params)),])
- 5. Notation : 共変量数 : 目的変数 : 共変量 : 回帰モデル（線形とはいっていない） : ノイズ : 線形回帰モデルの回帰係数 ( ) この論文の議論では切片は考えない p Y X p X = (X , ..., X ) ∈ 1 p T Rp m(X) ϵ ∼ Nn(0, σ ) 2 β ∈ Rp
- 6. Notation 回帰モデル（一般） 線形回帰モデル この論文では線形回帰を中心に考える Y = m(X) + ϵ Y = Xβ + ϵ
- 8. 回帰の課題 LASSOの課題 LASSOはモデルの解釈や変数選択の実行が容易 しかし、その良好な動作を保証するためには，共変量行列と標本サイズに関する いくつかの厳密な仮定が必要 Meinshausen and Bühlmann (2010) 参照 ごく一部の共変量に相関がある場合には正しい共変量選択と冗長性の排除が上手 く出来ない Su et al. (2017) 参照 この辺をシミュレーションで見ていく
- 9. LASSO概要 線形回帰モデルではいくつかの共変量が不要な場合が多い これらのシナリオではベクトル が疎であると仮定 ノイズの多いものを避けて重要な共変量を探索 アイデアは、何らかの方法で共変量を比較 => 最も重要なものだけを選択 => 無関係な情報を破棄 => 予測の誤差を可能な限り小さく保つことができる方法論を得る 個の可能なサブモデルが出来てしまう AIC(Akaike (1998))やBIC(Schwarz et al. (1978))が使えるか...？ 情報量基準のアプローチは計算量が多くサンプリング特性の導出が難しく不安定 従って情報量基準は の次元が大きいシナリオには適していない β 2p p
- 10. LASSO概要 そこでOLSに不要な共変量がある場合に損失が大きくなるペナルティ項を加える ノルムによるペナルティを追加したのがLASSO 損失関数が大体凸になるので解きやすい の場合でも少なくとも1つの解が常に存在することを保証 Tibshirani (2013)を参照 をガウス分布と仮定すると、 は の意味でフィットした係数がペナルテ ィを受ける最尤推定値として解釈できる L 1 p > n ϵ βL 1 L 1
- 11. LASSO概要 OLS = β ^OLS min {Σ (y − β i=1 n i Σ x β ) } (3) j=1 p ij j 2 ノルムによるペナルティ追加 = β ^L 1 min {Σ (y − β i=1 n i Σ x β ) + j=1 p ij j 2 λΣ ∣β ∣} (6) j=1 p j は正則化パラメタ L 1 λ(> 0)
- 12. LASSO概要
- 13. LASSOの課題1 - 推定器として 1. 化だと最大 個のパラメタを選択しがち 2. 罰則項によってバイアス付与しがち 1.の問題よりより高い予測誤差を生み出す OLSの損失を基にして解析すると 以下の を に潰すというバイアスがあること がわかる = β ^ j L 1 sign( )(∣ ∣ − β ^ j OLS β ^ j OLS λ) + は係数の符号, は値が負の場合に にする処理 2.のバイアスを取り除くために係数個分 を設定したadaptive LASSOがある Zou (2006), Huang et al. (2008), Van de Geer et al. (2011) 参照 p > n n λ β j 0 sign(⋅ ) (⋅ ) + 0 λ
- 14. LASSOの課題2 - 変数選択器として 変数選択の結果がブレがち 共変量間に強い多重共線性がある場合にランダムで共変量を選びがち スパースでなないけどこの問題を解決しているのがRidge regression (Hoerl and Kennard (1970))とか Elastic Net (Zou and Hastie (2005)) 一貫性に必要な条件 計画行列 の“neighborhood stability condition” (Meinshausen et al. (2006)). これは"irrepresentable condition"に相当(Zhao and Yu (2006); Zou (2006); Yuan and Lin (2007)) <- (9)式みてね n > s log(p), s = ∣S∣, S = {j : β = j 0} X
- 15. LASSOの課題2 - 変数選択器として Bühlmann and Van De Geer (2011)の引用 計画行列 があまりにも "不格好"で、 の "より小さい"部分行列内で の線型従属関係が強すぎる場合近傍安定性または表現不可能な条件(9)式 は成立しない 固有値ゼロだと情報ない ランダムに解を出しているのと変わらない 疎なベクトル の "非ゼロ要素の復元"のために十分な情報と適切な特性 があることを保証する必要がある。これは、関連する共変量係数が、ゼ ロのものと区別できるように十分に大きいことを必要とするく 非ゼロの に以下の条件が必要 inf ∣β ∣ >> j∈S j s log(p)/n これを満たすのは非現実的でありがち X X β β j
- 16. LASSOの課題2 - 変数選択器として 変数選択器の一貫性を担保する手法が以下 random LASSO (Wang et al. (2011)) algorithm based on subsampling stability selection method mixed with randomized LASSO of Meinshausen and Bühlmann (2010)
- 17. LASSOの課題3 - 変数選択器として LASSOノイズのっけがち ノイズをのっけずに重要な共変量の正しいサブセットを選択することができ ない 変数選択の偽陽性率と真陽性率の間にトレードオフが存在 FDP(λ) = and TPP(λ) = ∣j : λ = 0∣ ∨ 1 β j ^ F(λ) s ∨ 1 T(λ) は間違ってゼロにしなかった係数の数 は正しくゼロにしなかった係数の数 これらは ペナルティがもたらす 他のペナルティ項では発生しない問題 F(λ) = ∣j ∈ S : (λ) = 0∣ β ^j T(λ) = ∣j ∈ S : (λ) = 0∣ β ^j a ∨ b = max{a, b} L 1
- 18. LASSOの課題3 - 変数選択器として 以下の手法で回避できる boLASSO procedure (see Bach (2008)) thresholded LASSO (Zhou (2010)) the stability selection method (see Meinshausen and Bühlmann (2010)) the use of knockoffs (see Hofner et al. (2015), Weinstein et al. (2017), Candes et al. (2018) and Barber et al. (2019)) これらではまだ を克服できない... p > n
- 19. LASSOの課題4 - ハイパーパラメタ選択 を適切に調整する必要あり が大きすぎると のすべての係数がヌルになる 逆にゼロに近いとノイズの多い共変量の係数がゼロにならない 理論解析としてはBühlmann and Van De Geer (2011), Fan et al. (2012), Reid et al. (2016) 現実的な方法として次の3つがある（引用: Homrighausen and McDonald (2018)） 一般化された情報基準（AICまたはBICのような）の最小化 リサンプリング手順（クロスバリデーションまたはブートストラップのよう な） LASSOの最適化問題の再構成 λ λ β ^L 1
- 20. LASSOの課題4 - ハイパーパラメタ選択 変数選択のためには を大きくするのだがノイズがのるので重要な変数に対する係 数が過小評価されて本来ゼロになって欲しい係数がゼロにならないことも... 結局実践ではクロスバリデーション使ってることが多い Homrighausen and McDonald (2018) 参照 λ
- 21. vanilla LASSOの性能検証 共通設定 、 の組み合わせ 性能は500回平均値 シナリオ1 （直交設計）=多重共線性なし p = 100 n = 25, 50, 100, 200, 400 s = 10, 15, 20 p > s > 0 β = 1 ⋯ = β = s 1.25 β = s+1 ⋯ = β = p 0 X ∼ N (0, I ) n p
- 22. vanilla LASSOの性能検証 シナリオ2 (ブロックによる依存性) where and for all pairs (j, k) except if mod10 = mod10 , in that case , taking p > s β = 1 ⋯ = β = s 1 β = s+1 ⋯ = β = p 0 X ∼ N (0, Σ) n σ = jj 1 σ = jk cov(X , X ) = j k 0 (j) (k) σ = jk ρ ρ = 0.5, 0.9
- 23. vanilla LASSOの性能検証 シナリオ3 (Toeplitz共分散)=全共変量が相関 p > s > 0 in the places where 共変量の相関関係を変えた亜種を2つ用意 X ∼ Nn(0, Σ) β = j 0.5 β = 0. σ = jk ρ for j, k = ∣j−k∣ 1, ..., p and ρ = 0.5, 0.9
- 28. 共変量選択の指針 シナリオ1 多重共線性が存在しない場合LASSOは不要な共変量を選択する（ノイズを追 加する）という意味でうまくいかない ノイズ追加のコストを払って完全集合 を復元（真の は漏れなく選 択） adaptive LASSO (Zou (2006)), relaxed LASSO (Meinshausen (2007)), Dantzig selector (Candes et al. (2007)), distance correlation algorithm (Febrero-Bande et al. (2019))がワークしてた S β = 0
- 29. 共変量選択の指針 シナリオ2, シナリオ3 adaptive LASSO (Zou (2006)), distance correlation algorithm (Febrero-Bande et al. (2019))がまあまあ上手くいってた（が集合 の全ての要素を選択出来てい ない場合もあった） S