文献

J-GLOBAL ID：201702254105418374   整理番号：17A1652239

特徴部分集合選択と分類と回帰のランダムフォレストアルゴリズムの適用【Powered by NICT】

Application of Random Forest Algorithm on Feature Subset Selection and Classification and Regression

著者 (2件)： Jaiswal Jitendra Kumar ,  Samikannu Rita
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： WCCCT  ページ： 65-68  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 特徴部分集合の選択が非常に重要で,高い数の変数を含むデータセットの場合に支配的であった。は重要変数を無視するとデータの理解よりコスト効率が高く,より信頼性の高いクラス変数に効率的かつ改善された予測性能を示した。ランダムフォレストは,変数のより高い数であっても,特徴選択問題を扱うことができる非常に効率的でロバストなアルゴリズムとして出現した。が非常に効率的な欠落データの補完,分類および回帰問題を処理しながら,である。も異常値およびノイズの多いデータを処理できることを示した。本論文では,特徴部分集合選択と分類と回帰のランダムフォレストアルゴリズムの概念を適用した異なる展望におけるランダムフォレストアルゴリズムの比較研究を行った。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： 特徴選択 ,  *部分集合 ,  *アルゴリズム ,  雑音 ,  ロバスト性 ,  信頼性 ,  異常値
準シソーラス用語： *ランダムフォレスト ,  予測性能 ,  コスト効率 ,  *部分集合選択 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 部分集合選択 ,  分類