担当区分：筆頭著者   記述言語：英語   掲載種別：研究論文（学術雑誌）  

担当区分：筆頭著者   記述言語：英語   掲載種別：研究論文（学術雑誌）   出版者・発行元：情報処理学会  

One of the widely used methods in machine learning is the support vector machine (SVM). The SVM is a data classification algorithm based on labeled training data; it is widely used in fields, such as image classification and machine learning. In the SVM, parameter estimation is frequently performed based on mathematical programming methods, such as Sequential Minimal Optimization (SMO), Studies have proposed various algorithms, including interior-point methods. However, although the variables used in an SVM model are generally interrelated, traditional SVMs based on optimization problems cannot consider the relationships between variables in the model, such as the variance-covariance relationship observed in regression analysis. To address this, we attempted to estimate the parameters of an SVM by considering the relationships between the variables through Markov Chain Monte Carlo (MCMC) simulations. Furthermore, through verification experiments using real data, we demonstrated the possibility of estimating the variance and covariance of parameters from sampled data and improving the estimation accuracy through data over-sampling.

担当区分：筆頭著者   記述言語：日本語   掲載種別：研究論文（学術雑誌）  

担当区分：筆頭著者   記述言語：日本語   掲載種別：研究論文（学術雑誌）  

担当区分：筆頭著者   記述言語：日本語   掲載種別：研究論文（学術雑誌）   出版者・発行元：情報処理学会  

株式投資において投資先の経営状態は投資家にとって重要な情報の1つである．投資先の経営状態を把握する指標の1つとして実務的には古くから企業格付が利用されている．本研究では最初に機械学習の分野でデータの分類に広く利用されているサポートベクターマシンを用いて財務指標から企業格付を推計するための手法について説明する．次に先行研究モデルの課題について考察を行ったうえでサポートベクターマシンを用いた格付推計モデルの改善提案を行う．さらに提案手法に対して実データを適用することにより，本研究における提案モデルの優位性を実証実験により示すことを目的とする．

開催年月日： 2025年9月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：東京大学弥生キャンパス  

開催年月日： 2025年9月

会議種別：公開講演，セミナー，チュートリアル，講習，講義等  

開催年月日： 2025年9月

記述言語：日本語   会議種別：口頭発表（一般）  

会議種別：口頭発表（一般）  

開催地：オンライン   国名：日本国  

開催年月日： 2024年11月

会議種別：口頭発表（一般）  

開催地：福岡   国名：日本国  

消費者の選択行動に関する研究において古くから利用されている手法のひとつに入れ子型ロジットモデルがある。入れ子型ロジットモデルは選択肢間に相関があることを仮定し選択肢を階層的に構造化した上でモデルが構築されている点に特徴がある。これまで交通手段の選択を始め消費者の選択集合を把握する場面で広く利用されてきた。入れ子型ロジットモデルを用いることにより直接観測することが困難な選択集合に対する効用を測定することが可能になる反面、多峰性の尤度関数を持つことから従来行われてきた最尤推定法を用いたパラメータ推定では得られた推定値が最適解ではなく消費者の実際の選択行動を正しく反映しているとは限らない、といった課題が予てより指摘されてきた。本研究では入れ子型ロジットモデルのパラメータをMCMC法により推定することによりパラメータの推定精度を向上させる方法を提案する。