機械学習における予測モデルでは，ニューラルネットワークのように表現力の高い複雑な関数系を仮定してデータから学習するアプローチが主流である．しかし，予測精度の高いモデルを学習するには大量のサンプルが必要であったり，パラメータのチューニングが難しいなどの問題がある．本研究では，正則化最小二乗法を利用することで，様々な基底関数を動的に選択しながら予想精度の高いモデルを構築するアルゴリズムを提案する．そのもとで，いくつかの実データを用いて提案アルゴリズムの評価を行う．