文献

J-GLOBAL ID：201802228718696799   整理番号：18A0927759

モデル予測性能の効率的評価への半教師付きアプローチ【JST・京大機械翻訳】

Semi-supervised approaches to efficient evaluation of model prediction performance

著者 (2件)： Gronsbell Jessica L. (Harvard University, Boston, USA) ,  Cai Tianxi (Harvard University, Boston, USA)
資料名： Journal of the Royal Statistical Society. Series B. Statistical Methodology  (Journal of the Royal Statistical Society. Series B. Statistical Methodology)
巻： 80  号： 3  ページ： 579-594  発行年： 2018年 
JST資料番号： C0675A  ISSN： 1369-7412  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： 多くの現代の機械学習応用において,結果は収集するのに費用がかかるか時間がかかるが,予測情報は容易に得ることができる。半教師つき(SS)学習は,古典的な教師つきアプローチの効率を改善するために,少量のラベル付きデータと共に大量の「ラベル付けされていない」データを利用することを目的としている。近年,多数のSS学習分類と予測手順が提案されているが,現在,作業回帰モデルの予測性能を評価する方法は存在しない。電子カルテから導いた表現型分類アルゴリズムの開発に関連して,SS設定における種々の予測性能測度に基づく二値分類器を評価するための効率的な二段階推定手順を提示した。ステップIでは,ラベル付きデータを用いて,条件付きリスク関数の非パラメータ的に較正された推定値を得た。ステップIIでは,予測精度パラメータのSS推定値を,推定条件付きリスク関数と非標識データに基づいて構築した。著者らは,穏やかな規則性条件の下で,提案された推定量が一貫して,漸近的に正常であることを実証した。重要なことに,SS推定器の漸近分散は,正しいモデル仕様の下で,常に教師つき対応物のものより小さい。また,交差検証による有限サンプルにおけるSS推定器における潜在的過適合バイアスを補正し,それらの分布を近似するための摂動再サンプリング手順を開発した。著者らの提案を広範なシミュレーション研究により評価し,関節リウマチおよび多発性硬化症に対する表現型分類アルゴリズムの開発を目的とした2つの実際の電子カルテ研究により例証した。Copyright 2018 Wiley Publishing Japan K.K. All Rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 推定量 ,  機械学習 ,  シミュレーション ,  表現型 ,  バイアス ,  摂動 ,  学習 ,  *予測 ,  回帰モデル ,  電子カルテ ,  リスク関数 ,  病歴
準シソーラス用語： リサンプリング ,  予測精度 ,  分類アルゴリズム ,  *予測性能 , 【Automatic Indexing@JST】

著者キーワード (5件)： モデル評価 ,  摂動再サンプリング ,  受信機動作特性曲線 ,  リスク予測 ,  半教師つき学習

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 (4件)： モデル ,  予測性能 ,  評価 ,  教師