新しい「LASSO」たち(2) 状況によって回帰係数を変えられる「Pliable Lasso」 もう一つ、新しいLassoのアルゴリズムを紹介しましょう。 Lassoを代表とするような回帰分析においては、 \( \hat{y} = \sum_{j = 1}^p X_j \hat{\beta}_j \) というように、各説明変数\(X_j\)に対する回帰係数\(\hat{\beta}_j\)を推定していました。 一方、現実の問題では、この回帰係数を状況によって変えたいという要望が存在します。例えば以下のような場合です。 「ある薬は、男性にはよく効くが、女性にはあまり効かない」 数学的に言い換えれば、この薬を表す説明変数を\(X_j\)とすると、\(X_j\)に対する回帰係数\(\hat{\beta}_j\)を、男性に投与するときは大きく、女性に投与するときは小さく推定したいということになりま