文献

J-GLOBAL ID：201802222078398061   整理番号：18A0855157

決定木のための領域適合性に基づく安定性評価【JST・京大機械翻訳】

Region compatibility based stability assessment for decision trees

著者 (5件)： Wang Lihong (School of Computer and Control Engineering, Yantai University, Yantai, Shandong 264005, China) ,  Li Qiang (School of Economics and Management, Yantai University, Yantai, Shandong 264005, China) ,  Yu Yanwei (School of Computer and Control Engineering, Yantai University, Yantai, Shandong 264005, China) ,  Yu Yanwei (College of Information Science and Technology, Pennsylvania State University, University Park, PA 16802, USA) ,  Liu Jinglei (School of Computer and Control Engineering, Yantai University, Yantai, Shandong 264005, China)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 105  ページ： 112-128  発行年： 2018年 
JST資料番号： W0178A  ISSN： 0957-4174  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： 決定木学習アルゴリズムは不安定であることが知られている。これは,訓練データの小さな変化が非常に異なる決定木をもたらす可能性があるからである。重要な問題は,決定木安定性を定量化する方法である。2つのタイプの安定性を文献において定義した:構造的および意味論的安定性。しかしながら,既存の構造安定性測度は,明らかに異なるディシジョンツリーに適用されるとき意味がなく,意味安定性は構造情報を考慮することなく予測精度に焦点を合わせるだけである。本論文では,証拠理論における基本確率割当の観点から,葉の構造分布を考慮した決定木のための領域適合性ベースの構造安定性測度を提案した。著者らの知る限りでは,決定木の安定性を定量化するために基本的な確率割当を使用することが最初である。領域適合性に対する収束を証明し,明らかに異なる決定木が領域適合性の観点からいくつかの固有の類似性を持つことを示した。また,決定木の安定性を測定するための領域適合性の意味を明らかにし,与えられたデータセットに対する比較的安定な学習アルゴリズムを選択する方法を導出した。実験結果は,領域互換性が決定木学習アルゴリズムの安定性を定量化するのに有効であることを検証した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *適応性 ,  測度 ,  *ディシジョンツリー ,  機械学習 ,  学習アルゴリズム ,  類似性 ,  互換性 ,  意味論
準シソーラス用語： 証拠理論 ,  予測精度 ,  構造安定性 ,  訓練データ , 【Automatic Indexing@JST】

著者キーワード (5件)： 機械学習 ,  ディシジョンツリー ,  安定性測定 ,  地域適合性 ,  証拠理論

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 決定木 ,  適合性 ,  安定性評価