文献

J-GLOBAL ID：201902262550101940   整理番号：19A2574298

不正確な分類のためのクレジット決定木のBagging【JST・京大機械翻訳】

Bagging of credal decision trees for imprecise classification

著者 (5件)： Moral-Garcia S. (Department of Computer Science and Artificial Intelligence, University of Granada, Granada, Spain) ,  Mantas Carlos J. (Department of Computer Science and Artificial Intelligence, University of Granada, Granada, Spain) ,  Castellano Javier G. (Department of Computer Science and Artificial Intelligence, University of Granada, Granada, Spain) ,  Benitez Maria D. (BANKIA Central Office, Granada, Spain) ,  Abellan Joaquin (Department of Computer Science and Artificial Intelligence, University of Granada, Granada, Spain)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 141  ページ： Null  発行年： 2020年 
JST資料番号： W0178A  ISSN： 0957-4174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： Creal Decision Trees(CDT)は不正確な分類(ICDT)に適応している。しかし,不正確な分類器の集合はこれまで提案されていない。その理由は,複数の不正確な分類器によって作られた予測を結合するための自明な疑問ではないかもしれない。実際に,用いた組合せ法が適切でなければ,アンサンブル法は1つの単一分類器の性能をより悪くすることさえできた。一方,Bagging方式は,非常に弱く不安定な分類器であることが知られているCDTsを用いるとき,特に正確な分類において満足な結果を提供することを示した。これらの理由のために,本研究では,ICDTsによる新しいバギング方式を提案した。バギング分類器の精度を最大化することを試みる不正確な分類器によって作られた予測を結合するための新しい技術を提示した。このような組合せに対する手順があまりに保守的であるならば,わずかな情報を得ることが容易であり,単一分類器の結果を悪化させることができる。著者らの提案は,非支配の最小レベルを有する状態のみを考慮した。本研究で実施した徹底的な実験により,提案した組合せ技術によるICDTsのバギングが単一ICDTよりも明らかに優れていることを示した。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ディシジョンツリー ,  保全
準シソーラス用語： アンサンブル法 ,  分類会計機 , 【Automatic Indexing@JST】

著者キーワード (5件)： 不正確な分類 ,  クレジット決定木 ,  アンサンブル ,  Bagging ,  組合せ技術

分類 (2件)： パターン認識  (JE07000S) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (3件)： 分類 ,  クレジット ,  決定木