文献

J-GLOBAL ID：201202232717611689   整理番号：12A0834208

モデルと特徴選択へのグローバル最適化法の適用

Application of global optimization methods to model and feature selection

著者 (2件)： BOUBEZOUL Abderrahmane (Paris-Est Univ., IFSTTAR, IM, LEPSIS, F-75732 Paris, FRA) ,  PARIS Sebastien (Lab. of Sciences of Information’s and of System, Aix-Marseille Univ., LSIS/DYNI UMR CNRS 7296, Av Escadrille de ...)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 45  号： 10  ページ： 3676-3686  発行年： 2012年10月 
JST資料番号： D0611A  ISSN： 0031-3203  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： 多くのデータマイニング応用には,予測分類のためのモデル構築の作業が伴う。このモデルの目的は,データインスタンスを同じタイプのクラス或はカテゴリーに分類することである。クラスに関係しない変数を使用すると,分類或は予測モデルの精度と信頼性が低下してしまう。また,余分な変数は,特に大規模データ集合ではモデル構築コストを増加させる。特徴選択とハイパーパラメータ最適化問題は,総てのパラメータ値の網羅的探索か,或は可能な値の有限部分集合のみを調べる最適化手順かの何れかで解決できる。本研究の目的は,誘導アルゴリズムの一般化性能を低下させること無く,ハイパーパラメータと特徴部分集合を同時に最適化することである。この種の問題を解くために,クロスエントロピー法を使用したグローバル最適化手法を提案した。Copyright 2012 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： エントロピー ,  *特徴選択 ,  *モデリング ,  *最適化 ,  データマイニング ,  サポートベクトルマシン ,  データ ,  分類 ,  予測モデル ,  部分集合 ,  有限群 ,  データ探索
準シソーラス用語： インスタンス ,  カテゴリー分類 ,  クラス分類 ,  *グローバル最適化 ,  パラメータ最適化 ,  *モデル構築 ,  粒子群最適化

分類 (2件)： パターン認識  (JE07000S) ,  システム最適化手法  (IA02050Z)

タイトルに関連する用語 (3件)： モデル ,  特徴選択 ,  グローバル最適化