文献

J-GLOBAL ID：201702281887833505   整理番号：17A0450053

意思決定木構成のための進化的方式【Powered by NICT】

An evolutionary scheme for decision tree construction

著者 (6件)： Karabadji Nour El Islem (Preparatory School of Science and Technology, Annaba, P.O. Box 218, 23000, Algeria) ,  Karabadji Nour El Islem (Electronic Document Management Laboratory (LabGED), Badji Mokhtar-Annaba University, P.O. Box 12 Annaba, Algeria) ,  Seridi Hassina (Electronic Document Management Laboratory (LabGED), Badji Mokhtar-Annaba University, P.O. Box 12 Annaba, Algeria) ,  Bousetouane Fouad (Real Time Intelligent System Laboratory, University of Nevada, Las Vegas, NV 89154, USA) ,  Dhifli Wajdi (Department of Computer Science, University of Quebec At Montreal, PO box 8888, Downtown station, Montreal (Quebec) Canada, H3C 3P8, Canada) ,  Aridhi Sabeur (University of Lorraine, LORIA, Campus Scientifique, BP 239, 54506 Vandoeuvre-les-Nancy, France)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 119  ページ： 166-177  発行年： 2017年 
JST資料番号： T0426A  ISSN： 0950-7051  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： 分類は機械学習やデータマイニングにおける中心的な課題である。ディシジョンツリー(DT)は,データマイニングにおける最も一般的な学習モデルの一つである。複雑な意思決定問題におけるDTの性能はその構造の効率に依存する。しかし,最適DTを得る単純な過程ではない。本論文では,DTの建設中の最良設定を同定するための新しい進化的メタヒューリスティック最適化に基づくアプローチを提案した。最良パラメータをもつ最適DTを引き出すマルチタスク目的関数と結合した遺伝的アルゴリズムを設計した。この目的関数は三つの主要な因子に基づいている(1)試験試料上で精度,(2)最小トレーニングセットと可能な最大試験セットを用いたDTの構築と検証における信頼性,および(3)生成した候補DTの大きさ,属性の集合の項における単純性。十三のベンチマークデータセットと故障診断データセット上で提案アプローチの評価を行った。結果は,精度と単純性の点で従来のDT工法より優れていることを示した。も提案した方法は,精度とF測定に関してアリツリーマイナー(進化的DT構築法),Naive Bayesおよびサポートベクトルマシンよりも優れていることを示した。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： 遺伝的アルゴリズム ,  機械学習 ,  信頼性 ,  データマイニング ,  サポートベクトルマシン ,  目的関数 ,  故障診断 ,  ディシジョンツリー ,  *意思決定 ,  建設工法 ,  学習モデル
準シソーラス用語： Naive Bayes ,  マルチタスク , 【Automatic Indexing@JST】

著者キーワード (4件)： ディシジョンツリー ,  遺伝的アルゴリズム ,  属性選択 ,  データ整理

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 意思 ,  決定木 ,  進化