文献

J-GLOBAL ID：201502277726887161   整理番号：15A0556614

スモールマージンアンサンブルはクラスラベルノイズにロバストになることができる

Small margin ensembles can be robust to class-label noise

著者 (3件)： SABZEVARI Maryam (Universidad Autonoma de Madrid, Escuela Politecnica Superior, Dpto. de Ingenieria Informatica, C/Francisco Tomas y ...) ,  MARTINEZ-MUNOZ Gonzalo (Universidad Autonoma de Madrid, Escuela Politecnica Superior, Dpto. de Ingenieria Informatica, C/Francisco Tomas y ...) ,  SUAREZ Alberto (Universidad Autonoma de Madrid, Escuela Politecnica Superior, Dpto. de Ingenieria Informatica, C/Francisco Tomas y ...)
資料名： Neurocomputing  (Neurocomputing)
巻： 160  ページ： 18-33  発行年： 2015年07月21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： サンプリングは正確で,分類ラベルのノイズにロバストなバギングアンサンブルを生成するために利用される。基本学習器を訓練するためのより小さなブートストラップサンプルを用いる効果は,アンサンブルをより多様性があるようにさせることである。結果として,分類マージンは減少する傾向にある。小さいマージンを持つにもかかわらず,それらアンサンブルはクラスラベルノイズにロバストになることができる。それら観測の正当性を広範囲の人工分類タスクと実世界分類タスクで説明した。調べた問題ではサブサンプリングは異なる量のクラスラベルノイズに対して,標準的なバギングよりもかなり性能が優れていた。それに反して,ランダムフォレストでのサブサンプリングの効果は問題依存であった。それらアンサンブルの種類ではランダム木がオリジナルの訓練データと同じサイズのブートストラップサンプルで構築されたときに,最もよい全体精度が得られた。それにもかかわらず,サブサンプリングはクラスラベルのノイズ量が増加するとより効率的になった。Copyright 2015 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *機械学習 ,  学習機械 ,  *標本抽出 ,  多様性 ,  自動分類 ,  ロバスト性 ,  *雑音 ,  *アノテーション ,  計算機アルゴリズム ,  評価試験 ,  精度 ,  信号標本化
準シソーラス用語： *アンサンブル学習 ,  サブサンプリング ,  *サンプリング【統計】 ,  *ノイズ ,  ランダムフォレスト ,  *ラベル付け【文書】 ,  ラベルノイズ

分類 (3件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H) ,  雑音一般  (ND04010J)

タイトルに関連する用語 (1件)： ロバスト