文献

J-GLOBAL ID：201702242639128949   整理番号：17A1567780

ツリーベース法における交差検証変数選択予測性能を改善する【Powered by NICT】

Cross-Validated Variable Selection in Tree-Based Methods Improves Predictive Performance

著者 (2件)： Painsky Amichai (School of Mathematical Sciences, Tel Aviv University, Ramat Aviv, Israel) ,  Rosset Saharon (School of Mathematical Sciences, Tel Aviv University, Ramat Aviv, Israel)
資料名： IEEE Transactions on Pattern Analysis and Machine Intelligence  (IEEE Transactions on Pattern Analysis and Machine Intelligence)
巻： 39  号： 11  ページ： 2142-2153  発行年： 2017年 
JST資料番号： B0519B  ISSN： 0162-8828  CODEN： ITPIDJ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ツリーに似たモデルを生成する再帰分割法は,予測モデリングの長年の主食である。しかし,一般的に使用される系統樹構築法の分配(または分裂)則の根本的な欠陥は,異なるタイプの変数を処理する等しくからそれらを妨げた。これは多数のカテゴリーのビッグデータの新しい時代の遍在することを用いたカテゴリー的変数を適切に最も明確にこれらの方法のできないことが明らかであった。分裂変数を選択するためのleave-one-out(LOO)交差検証(CV)を用いて分割,つぎに,選んだ変数のための規則的な分割(この場合,CARTのアプローチ)を行うフレームワークを提案した。提案アプローチの最も重要な結果は,予測力に寄与するかどうか多くのカテゴリーを用いたカテゴリー的変数は,樹木建物における安全に使用でき,のみ選択されたことである。広範なシミュレーションと実際のデータ解析における実証した著者らの分割アプローチは樹木を利用した単一樹木モデルとアンサンブル法の両方の性能を大幅に改善することを示した。重要なことに,著者らは,LOO合理的な仮定の下で二クラス分類のためのCARTと比較して全体的な計算複雑性を実質的に増加しない変数選択を分割のためのアルゴリズムを設計した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： モデル ,  分割法 ,  計算量 ,  系統樹 ,  データ解析 ,  *予測 ,  アルゴリズム ,  モデリング
準シソーラス用語： アンサンブル法 ,  樹木モデル ,  CART ,  ビッグデータ ,  主食 ,  *予測性能 ,  *変数選択 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 交差 ,  検証 ,  変数選択 ,  予測性能