文献

J-GLOBAL ID：201702287190302866   整理番号：17A0313218

回帰のためのインスタンス選択:降下適応【Powered by NICT】

Instance selection for regression: Adapting DROP

著者 (4件)： Arnaiz-Gonzalez Alvar (University of Burgos, Spain) ,  Diez-Pastor Jose F. (University of Burgos, Spain) ,  Rodriguez Juan J. (University of Burgos, Spain) ,  Garcia-Osorio Cesar (University of Burgos, Spain)
資料名： Neurocomputing  (Neurocomputing)
巻： 201  ページ： 66-81  発行年： 2016年08月12日 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 機械学習は,科学界を魅力の二中心過程を有している:分類と回帰。インスタンス選択分類はその有用性を示し,徹底的に調査されてきたが,回帰のためのインスタンス選択は同じ経路に従っておらず,は被験者に関するいくつか公表されたアルゴリズムである。本論文では,インスタンス選択法分類のためのの良く知られたファミリー,液滴の種々の適応は,回帰に適用することを提案した。それらの挙動は広範なデータセットを用いて解析した。結果は,データセットサイズの減少,いくつかの分類器は縮小データセットで訓練される誤差への影響,雑音に対するそれらのロバスト性のための四つの新しい提案の解析を提示した。この最近の観点は,特に重要であるが,実生活では,記録されたデータは異なる原因:測定ツールの誤差,描画をもたらす場合誤植,異常値やスプリアス測定値の存在,ファイルにおける腐敗などに起因する不正確と現在の歪みが存在する高頻度である。データセットが小さいときは,これら問題を修正手動ことが可能であるが,大きく巨大なデータセットのためのこれらの問題に対処するための自動方法を開発することに優れていた。実験では,提案した方法は雑音に非常にロバストであることが分かった。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： フィルタリング ,  アルゴリズム ,  ロバスト性 ,  液滴 ,  *機械学習 ,  異常値 ,  雑音
準シソーラス用語： 描画 ,  被験者 ,  *インスタンス選択 , 【Automatic Indexing@JST】

著者キーワード (5件)： 機械学習 ,  回帰 ,  インスタンス選択 ,  降下 ,  雑音フィルタリング

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： インスタンス選択 ,  降下 ,  適応