文献

J-GLOBAL ID：201902214127929883   整理番号：19A1073431

クラスタリングにおける変数重要性の評価:教師なし二値決定木に基づく新しい方法【JST・京大機械翻訳】

Assessing variable importance in clustering: a new method based on unsupervised binary decision trees

著者 (4件)： Badih Ghattas (I2M UMR 7373, Aix Marseille Universite, CNRS, Centrale Marseille, Marseille, France) ,  Pierre Michel (I2M UMR 7373, Aix Marseille Universite, CNRS, Centrale Marseille, Marseille, France) ,  Pierre Michel (SPMC EA3279, Aix Marseille Universite, Marseille, France) ,  Laurent Boyer (SPMC EA3279, Aix Marseille Universite, Marseille, France)
資料名： Computational Statistics  (Computational Statistics)
巻： 34  号： 1  ページ： 301-321  発行年： 2019年 
JST資料番号： T0508A  ISSN： 0943-4062  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： クラスタリングにおける可変重要性を評価するための異なるアプローチを考察した。著者らは,二値決定木(CuBT)を用いたクラスタリングに焦点を合わせた。これは,連続および公称データの両方に対して設計された非パラメトリックトップダウン階層的クラスタリング法である。著者らは,Breimanの分類と回帰木で使用されるものと類似したこの方法のための可変的重要性の測度を提案する。このスコアは,データセットにおける変数をランク付けするのに有用であり,どの変数が最も重要であるか,または無関係なものを検出するのを決定する。雑音の存在下での異なるデータシミュレーションモデルに対するこのスコアの安定性と効率の両方を解析し,それを他の古典的変数重要性測度と比較した。著者らの実験は,CuBTに基づく可変的重要性が,大きな多様な状況において他のアプローチよりはるかに効率的であることを示した。Copyright 2019 Springer-Verlag GmbH Germany, part of Springer Nature Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  等級づけ ,  測度 ,  シミュレーションモデル ,  *クラスタ化 ,  *ディシジョンツリー
準シソーラス用語： スコア ,  回帰木 ,  階層的クラスタリング , 【Automatic Indexing@JST】

著者キーワード (5件)： 教師なし学習 ,  CUBT ,  逸脱 ,  多様な重要性 ,  変数ランキング

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： クラスタリング ,  変数 ,  重要性 ,  評価 ,  教師 ,  二値 ,  決定木