文献

J-GLOBAL ID：201802290145290529   整理番号：18A1895975

木に基づくセグメンテーションを用いたビッグデータ回帰【JST・京大機械翻訳】

Big Data Regression Using Tree Based Segmentation

著者 (2件)： Sambasivan Rajiv (Chennai Mathematical Institute, Kelambakkam, 603103) ,  Das Sourish (Chennai Mathematical Institute, Kelambakkam, 603103)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： INDICON  ページ： 1-6  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 大規模データセットへのスケーリング回帰は多くの応用分野における一般的問題である。大規模データセットへの回帰をスケーリングする二段階アプローチを提案した。大規模データセットを分割するために回帰ツリー(CART)を用いることは,このアプローチの第一ステップを構成する。このアプローチの第2ステップは各セグメントに対する適切な回帰モデルを開発することである。セグメントサイズは非常に大きくないので,要求されるならば,洗練された回帰技術を適用する能力がある。この2段階アプローチの素晴らしい特徴は,良好な説明力と良好な予測性能を持つモデルを得ることができることである。Gradient Boosted Treesのようなアンサンブル法は,優れた予測性能を提供できるが,解釈可能なモデルを提供できない。本研究で報告した実験において,提案した手法の予測性能はGradient Boosted Treesの予測性能と一致することを見出した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *セグメンテーション ,  回帰モデル
準シソーラス用語： アンサンブル法 ,  予測性能 ,  CART ,  大規模データセット ,  *ビッグデータ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 木 ,  セグメンテーション ,  ビッグデータ