文献

J-GLOBAL ID：200902250028243381   整理番号：08A0281473

zero-one損失関数を用いたロバスト推定学習

A ROBUST ENSEMBLE LEARNING USING ZERO-ONE LOSS FUNCTION

著者 (3件)： SANO Natsuki (Central Res. Inst. Electric Power Ind.) ,  SUZUKI Hideo (Univ. Tsukuba) ,  KODA Masato (Univ. Tsukuba)
資料名： Journal of the Operations Research Society of Japan  (Journal of the Operations Research Society of Japan)
巻： 51  号： 1  ページ： 95-110  発行年： 2008年03月 
JST資料番号： G0402A  ISSN： 0453-4514  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： クラシファイヤーはデータマイニングを含めて種々の分野においてパターン認識に用いられる。ブースティングは単一クラシファイヤーの精度を上げるためのアンサンブル学習である。本論文では損失関数としてzero-oneステップ関数を用いることによる新しいロバストブースティング法を提案した。この手法により,MarginBoost技術は確率的近似アルゴリズムを調和した。これは確率雑音反応法(SNR)と呼ばれている。集約的実験結果により,提案手法が雑音のある,ミスラベル付き状況事例でのテストエラー率に関してAdaBoostよりも実際によい結果が得られたことを示した。(翻訳著者抄録)

シソーラス用語： *ロバスト推定 ,  *学習 ,  分級機 ,  データマイニング ,  機械学習 ,  損失関数 ,  傾斜法 ,  データ解析
準シソーラス用語： クラシファイヤ ,  ブースティング ,  確率雑音反応法

分類 (1件)： 数値計算  (JE02000J)

引用文献 (16件)：

• BREIMAN, L. Technical Report : Combining predictors. 1998
• DUDA, R. O. Pattern Classification. 2001
• FREUND, Y. Boosting a weak learning algorithm by majority. Information and Computation. 1995, 121, 256-285
• FREUND, Y. A decision-theoretic generalization of online learning and an application to boosting. Journal of Computer and System Sciences. 1997, 55, 119-139
• FRIEDMAN, J. Greedy function approximation : A gradient boosting machine. Annals of Statistics. 2001, 29, 1189-1232

タイトルに関連する用語 (3件)： 損失関数 ,  ロバスト推定 ,  学習