2015年9月18日（金）に開催されたGTC Japan 2015での講演です。

佐藤 一誠
情報基盤センター
東京大学

ベイズ的最適化とは、入力から出力を得るコストが高いブラックボックス関数を効率的に最適化する手法の総称である。高コストなブラックボックス関数に対して、少ない入力のステップでより最適化な出力を得ることを目的とする。例えば化学実験において、ある実験設定を入力として、得られた化合物の良し悪しが数値的に計測可能な場合に、より良い実験設定を探索する問題は、ベイズ的最適化の１つの応用例となる。 　近年、機械学習アルゴリズムの複雑化にともない、機械学習アルゴリズムの実験設定も複雑化しており、ベイズ的最適化によって機械学習の実験を効率化する研究が注目を集めている。例えば、いくつかのアルゴリズムを複数パイプライン化して使用する場合、個々のアルゴリズム毎にモデル選択方法やハイパーパラメータ設定をするのではなく、全体の性能を考慮した実験設定の最適化が必要になる。このような状況は、実験設定と最終的に欲しい結果との間の関係はブラックボックスになっており、ベイズ的最適化の応用例となる。本発表では、ベイズ的最適化の入門及び応用例を説明する。