文献

J-GLOBAL ID：201802285940055454   整理番号：18A0206044

機械学習における欠測データに対する近似補完手法【JST・京大機械翻訳】

Approximate Imputation Method for Missing Data in Machine Learning

著者 (3件)： Cao Weiquan (盲信号処理重点実験室,610041,成都) ,  Chu Yanjie (盲信号処理重点実験室,610041,成都) ,  Li Xian (盲信号処理重点実験室,610041,成都)
資料名： Xi’an Jiaotong Daxue Xuebao  (Xi'an Jiaotong Daxue Xuebao)
巻： 51  号： 10  ページ： 142-148  発行年： 2017年 
JST資料番号： W0363A  ISSN： 0253-987X  CODEN： HCTPDW  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 機械学習における残差を含むデータが効果的に利用されないので,分類と回帰の精度が高くないという問題を解決するために,近似補間法-k-ANNO法を提案した。残りのデータサンプルを与えることによって,最初に,オフラインで構築されたグラフ構造を用いて,サンプルの最近接k頂点を近似的に探索し,次に,高速二次計画法を用いて,各々の近隣の最適重みを推定し,最後に,重みづけに基づいてサンプルの残差を補った。ユーザは実際の要求に従って、全効率と正確性の間で折れることができ、k-ANNO方法は機械学習中に普遍的に存在するデータ残差問題をよく解決し、データ残差の分類と回帰精度への干渉を有効に抑制した。いくつかの公開データセットを用いて,k-ANNO法の補完効果を評価した。加速度比が2~10の間にあるとき,k-ANNO法の分類誤り率は既存の平均値補完,C平均値補完,自己組織化マッピングの全方法より1%~4%低く,回帰平均二乗誤差は既存の方法より約0.5~2.0低い。サンプルサイズが4000であるとき,k-ANNO法の計算効率は,異なる加速度パラメータの下で,素朴k最近接法のものより35%~320%高かったことが示されたことが示されたことが示されたことが示されたことが示されたことが示されたことが示されたことが示された。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 誤り率 ,  加速度 ,  *機械学習 ,  *近似法 ,  二次計画法 ,  残差 ,  自己組織化 ,  内挿法 ,  重みづけ
準シソーラス用語： k最近接法 ,  計算効率 ,  平均二乗誤差 ,  正確性 ,  グラフ構造 ,  *欠測値 , 【Automatic Indexing@JST】

著者キーワード (4件)： machine learning ,  missing attributes ,  quadratic programming ,  imputation method

分類 (3件)： パターン認識  (JE07000S) ,  数値計算  (JE02000J) ,  その他の情報処理  (JE15050M)

タイトルに関連する用語 (5件)： 機械学習 ,  欠測データ ,  近似 ,  補完 ,  手法