文献

J-GLOBAL ID：201202215743753597   整理番号：12A0042604

Random Forestによるコンテキスト情報の補完について

An Imputation of Context Data using Random Forest

著者 (1件)： 石岡恒憲 (大学入試セ)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 111  号： 310(AI2011 17-28)  ページ： 25-30  発行年： 2011年11月14日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： コンテキストウエアサービスを考える場合に,行うべきサービスを応答変数,得られるコンテキスト情報を説明変数とすれば,通常の場合,説明変数であるコンテキスト情報には欠測データが多く含まれている。欠測データを取り扱う方法には多くの方法があるが,Missing at random(MAR;欠測するかどうかは欠測値に依存せずに観測値に依存する)の仮定を暗黙におくRandom Forest(RF)の手法は,Missing completely at random(MCAR;欠測するかどうかはモデリングに用いている変数に依存しない)よりは,通常の場合,より妥当な結果を導くことは明らかで,このRFがコンテキストウエアサービスにも有効であると予想される。RFはBreiman(2001)によって提案された分類や非線形回帰のための集団学習の方法の一つであるが,Ver.4から(説明変数の)欠測値の推測に使えるようになっている。本発表では,あまり知られていないと思われるRFによるデータ補完のアルゴリズムを,統計学の視点を交え紹介するとともに,このRFによるコンテキスト情報の補完の方法がうまく動作することを,同じ機械学習の一つであるKernal法によるサポートベクターマシンとの性能比較を行いながら示す。(著者抄録)

シソーラス用語： 学習 ,  情報サービス ,  *補完 ,  測定データ ,  *統計解析 ,  パラメータ ,  *予測技法 ,  回帰モデル
準シソーラス用語： *コンテキストアウェアサービス ,  *欠測データ ,  *集団学習 ,  *説明変数 ,  非線形回帰モデル

分類 (2件)： 計算機システム開発  (JD02010R) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： コンテキスト情報 ,  補完