| （理論面の）対象 | 統計解析、スパース推定、因子分析、多変量解析 |
| （理論面の）目標 | 膨大なデータから有効な情報を抽出するための高速かつ正確な推定手法の開発 |
| ここまでの成果/重要な発見 | 因子分析の新たな解析手法の開発、解析手法の数学的な一般化、Rパッケージの公開 |
| これからの目標/現在取り組んでいる目標 | 因子分析の深化 / エネルギー、材料、災害等、SDGsを援用するソフトウェアの提供 |
| 応用上の成果/目標 | 開発したソフトウェアが実証研究において実際に活用されていること / より広く産業でも使われるようなソフトウェアを開発する |
| さらなる発展の可能性・方向性 | 純粋数学とのコラボによる全く新しい統計解析手法の開発、AIを活用した次世代統計解析ソフトウェアの開発 |
遺伝子データなどの大規模なデータを解析するためには，数万，数億もの莫大な数のパラメータを持つ統計モデルを使う必要があります．Lassoをはじめとするスパース推定は，大量のパラメータのほとんどを正確に0と推定することにより，有効な情報を抽出する方法です．私は現在，因子分析やグラフィカルモデルなどの多変量解析における新たなスパース推定法の開発に取り組んでいます．具体的には，パラメータの推定値を高速に計算するアルゴリズムを開発し，さらに，推定されたパラメータがどのような性質を持つのかを調べています．多くの提案法は，ソフトウェアRのパッケージとしてWeb上に公開されており，誰でも自由にダウンロードして使えます．
| キーワード | スパース推定，多変量解析 |
|---|---|
| 部門 | 産業数理統計研究部門(部門長)，リエゾン戦略部門 (兼任), 富士通意思決定数理モデリング共同研究部門 (兼任) |
| リンク |