文献

J-GLOBAL ID：201602211627427377   整理番号：16A0143561

ブートストラップ法を用いたAlternating Decision Forestsの適応的な汎化性能向上法

A Method of Improving Generalization Ability of Alternating Decision Forests with Bootstrap Method

著者 (3件)： 三沢翔太郎 (早稲田大 理工学術院) ,  三川健太 ,  後藤正幸
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： 115  号： 381(AI2015 26-51)  ページ： 137-142  発行年： 2015年12月11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： 本研究では,データのカテゴリ予測を行うための手法として決定木のアンサンブル手法の一つであるAlternating Decision Forests(ADF)に着目する。ADFは各木に一部の説明変数をランダムに割り当てた上で,データに付与したウェイトを用いて並列に複数の決定木を成長させる。これにより,全体最適でありながら各木の相関が低い決定木集合を生成することが可能となる。しかし,学習データにある外れ値の影響により決定木集合で過学習を起こし易いことや,一部の決定木においては,割り当てられた説明変数の影響によって汎化性能が低くなるなどの問題点がある。そのため本研究では,各決定木に対して学習に用いないデータを割り当てて,それらを予測した結果を反映することにより汎化性能の向上を図る。(著者抄録)

シソーラス用語： ブートストラップ ,  *ディシジョンツリー ,  汎化 ,  *データマイニング ,  予測技法 ,  計算機アルゴリズム ,  パラメータ ,  変数 ,  異常値 ,  機械学習 ,  重みづけ
準シソーラス用語： *決定木 ,  アンサンブル方法 ,  ランダムフォレスト ,  説明変数 ,  外れ値 ,  過学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： ブートストラップ法 ,  適応 ,  汎化 ,  性能向上