文献

J-GLOBAL ID：201702258276603785   整理番号：17A1546257

回帰分析における混合型数値およびカテゴリーデータのためのハイブリッド型意思決定木アルゴリズム【Powered by NICT】

A hybrid decision tree algorithm for mixed numeric and categorical data in regression analysis

著者 (2件)： Kim Kyoungok (Information Technology Management Programme, International Fusion School, Seoul National University of Science & Technology (SeoulTech), 232 Gongreungno, Nowon-gu, Seoul, 139-743, Republic of Korea) ,  Hong Jung-sik (Information Technology Management Programme, International Fusion School, Seoul National University of Science & Technology (SeoulTech), 232 Gongreungno, Nowon-gu, Seoul, 139-743, Republic of Korea)
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 98  ページ： 39-45  発行年： 2017年 
JST資料番号： H0913A  ISSN： 0167-8655  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： 多くの実世界の問題では,収集したデータは常に数値ではなく,データはカテゴリー変数を含めることができる。各種変数の包含は,回帰分析における合併症につながる可能性がある。入力および出力変数間の関係を同定するためのモデル列パラメータ線形回帰,サポートベクトル回帰,ニューラルネットワークなどの多くの回帰アルゴリズム,数値変数を容易に処理できるが,カテゴリー変数のための付加的な考慮事項である。一方,ディシジョンツリーアルゴリズムは,指定された規則に基づいて対象を推定する,数値変数と同様にカテゴリー変数を支援することができる。この性質を用いて,決定木を組合せた別の回帰アルゴリズムを用いた新しいハイブリッドモデルは,混合データを解析するために提案した。提案したモデルでは,目標値のカテゴリー変数によって説明部分をディシジョンツリーにより推定し,残りの部分は数値変数により訓練された任意の回帰アルゴリズムにより予測した。提案のアルゴリズムは現実の意思決定問題から選択した12のデータセットを用いて評価し,提案したアルゴリズムは,M5決定木と進化系統樹を含む比較法と同等以上の精度を達成することを確認した。添加では,新しいハイブリッド法は計算の複雑さを著しく増加させない,二つの別々のモデル,M5決定木と進化系統樹とは対照的であるという利点を構築した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *アルゴリズム ,  計算量 ,  ニューラルネットワーク ,  系統樹 ,  *ディシジョンツリー ,  *回帰分析 ,  *意思決定
準シソーラス用語： ハイブリッド法 ,  比較法 ,  目標値 ,  ハイブリッドモデル ,  サポートベクトル回帰 ,  線形回帰 ,  *ハイブリッド型 , 【Automatic Indexing@JST】

著者キーワード (4件)： 混合データ ,  回帰 ,  ハイブリッドモデル ,  決定木

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

タイトルに関連する用語 (7件)： 回帰分析 ,  数値 ,  カテゴリー ,  ハイブリッド型 ,  意思 ,  決定木 ,  アルゴリズム