http://www.nttdata.com/jp/ja/insights/trend_keyword/2016081801.html

>>　データを扱う技術といえば機械学習が流行しています。機械学習手法の中には大量のデータがあることを前提としたものも多いですが、実際のビジネス現場では十分に多くのデータ数が確保できない場合も少なくありません。こうした場合には機械学習とスパースモデリングとを組み合わせることが効果的です。

　機械学習において、スパース性は、高次元で複雑に見えるデータも実はシンプルであるという信念を表すのによく使われます。例えば、新店舗の売上を立地・面積・品揃えなど多様な要因から予測することを考えます。このとき、全ての要因が売上と密に絡んでいるのでなく、より単純な予測式をあえて選ぶのがスパースモデリングによるやり方です。具体的には、多くの要因については売上との関連度をゼロと推定します（図2）。このように、非常に多くの要因が考えられるなか、スパースモデリングを用いることで売上と関連する要因を自動で選別してくれるため、精度良く予測できるだけでなく、機械学習の結果を人間が理解しやすい形で求めることができます。 <<

　AI関連ニュースには「スパースモデリング」 というキーワードが全然出てこないけどAIの内部でこれが効いている。　(スパースとはスカスカという意味で、スパースモデリングとは余白に意味を持たせることでもある)

参考

● ITで有望視されるスパース・モデリングって何?

https://news.mynavi.jp/kikaku/20161215-a002/