文献

J-GLOBAL ID：201902228835324574   整理番号：19A0967680

SCWC/SLCC:高スケーラブル特徴選択アルゴリズム【JST・京大機械翻訳】

sCwc/sLcc: Highly Scalable Feature Selection Algorithms

著者 (5件)： Shin Kilho (Graduate School of Applied Informatics, University of Hyogo, Kobe 651-2197, Japan) ,  Shin Kilho (Information Networking Institute, Carnegie Mellon University, Pittsburgh, PA 15213, USA) ,  Kuboyama Tetsuji (Computer Centre, Gakushuin University, Tokyo 171-0031, Japan) ,  Hashimoto Takako (Institude of Economic Research, Chiba University of Commerce, Chiba 272-8512, Japan) ,  Shepard Dave (Center for Digital Humanities, University of California Las Angeles; Los Angeles, CA 90095, USA)
資料名： Information (Web)  (Information (Web))
巻： 8  号： 4  ページ： 159  発行年： 2017年 
JST資料番号： U7203A  ISSN： 2078-2489  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 特徴選択は,データセットの特徴や属性を同定するための有用なツールであり,データセットが記述する現象を説明し,また,そのような現象を発見するための学習アルゴリズムの効率と精度を改善する。その結果,特徴選択は機械学習研究において集中的に研究されてきた。しかしながら,優れた精度を示す特徴選択アルゴリズムが開発されているが,高次元データは通常,多くのインスタンスと特徴を含むので,高次元データの解析にはほとんど使用されておらず,従来の特徴選択アルゴリズムを非効率的にしている。この限界を排除するために,文献で知られている最も正確な特徴選択アルゴリズムの2つの実行時間性能を改善することを試みた。結果は,2つの正確で速いアルゴリズム,すなわちsCwcとSLCCである。実際のソーシャルメディアデータセットによる複数の実験は,著者らのアルゴリズムがそれらのオリジナルアルゴリズムの性能を著しく改善することを実証した。例えば,15568例と15741の特徴を持つ2つのデータセットを持ち,それぞれ,200,569例と99,672の特徴を持つ。sCwcは,それぞれ1.4秒と405秒でこれらのデータセット上で特徴選択を行った。さらに,SLCCは平均してsCwcと同様に速くなることが分かった。これは,元のアルゴリズムが同じデータセットを処理するために数時間から数十日を必要とすると推定されるので,顕著な改善である。さらに,著者らのアルゴリズムの高速実装を導入した。sCwcは調整パラメータを必要としないが,SLCCは閾値パラメータを必要とし,アルゴリズムが選択する特徴の数を制御することができる。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 高速度 ,  機械学習 ,  学習アルゴリズム ,  *アルゴリズム ,  *特徴選択
準シソーラス用語： ソーシャルメディア ,  実行時間 ,  高次元データ , 【Automatic Indexing@JST】

著者キーワード (4件)： 特徴選択 ,  一貫性 ,  高次元データ ,  スケーラビリティ

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

引用文献 (17件)：

• Almuallim, H.; Dietterich, T.G. Learning boolean concepts in the presence of many irrelevant features. Artif. Intell. 1994, 69, 279-305.
• Liu, H.; Motoda, H.; Dash, M. A monotonic measure for optimal feature selection. In Proceedings of the European Conference on Machine Learning, Chemnitz, Germany, 21-23 April 1998.
• Zhao, Z.; Liu, H. Searching for Interacting Features. In Proceedings of the International Joint Conference on Artificial Intelligence, Hyderabad, India, 6-12 January 2007; pp. 1156-1161.
• Shin, K.; Xu, X. Consistency-based feature selection. In Proceedings of the 13th International Conferece on Knowledge-Based and Intelligent Information & Engineering System, Santiago, Chile, 28-30 September 2009.
• Shin, K.; Fernandes, D.; Miyazaki, S. Consistency Measures for Feature Selection: A Formal Definition, Relative Sensitivity Comparison, and a Fast Algorithm. In Proceedings of the 22nd International Joint Conference on Artificial Intelligence, Barcelona, Spain, 16-22 July 2011; pp. 1491-1497.

タイトルに関連する用語 (2件)： 特徴選択 ,  アルゴリズム