文献

J-GLOBAL ID：202102265279892308   整理番号：21A0005283

因果特徴選択のための正確なMarkov境界発見【JST・京大機械翻訳】

Accurate Markov Boundary Discovery for Causal Feature Selection

著者 (5件)： Wu Xingyu (School of Computer Science and Technology, University of Science and Technology of China, Hefei, China) ,  Jiang Bingbing (School of Computer Science and Technology, University of Science and Technology of China, Hefei, China) ,  Yu Kui (School of Computer Science and Information Engineering, Hefei University of Technology, Hefei, China) ,  Miao chunyan (School of Computer Science and Engineering, Nanyang Technological University, Singapore) ,  Chen Huanhuan (School of Computer Science and Technology, University of Science and Technology of China, Hefei, China)
資料名： IEEE Transactions on Cybernetics  (IEEE Transactions on Cybernetics)
巻： 50  号： 12  ページ： 4983-4996  発行年： 2020年 
JST資料番号： W0791A  ISSN： 2168-2267  CODEN： ITCEB8  資料種別： 逐次刊行物 (A)
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： 因果特徴選択は近年多くの注目を達成し,それはクラス属性のMarkov境界(MB)を発見する。クラス属性のMBは,クラス属性と特徴の間の局所的因果関係を意味し,その結果,従来の特徴選択アルゴリズムによって選択された特徴より,より解釈可能でロバストな予測モデルにつながる。多くの因果的特徴選択法が提案され,それらのほとんど全ては,MBを同定するために条件付き独立性(CI)試験を採用している。しかしながら,実世界アプリケーションからの多くのデータセットは,ノイズまたは小型サンプルによる不正確なCI試験に悩まされ,これらの既存のアルゴリズムに対するより低いMB発見精度をもたらす。この問題に取り組むために,本論文では,まず,MB発見における不正確なCI試験の型を説明するPCMaskingの新しい概念を導入し,次に,正確なMB発見のためのこの種の不正確なCIテストを修復するためのクロスチェックと補完MB発見(CCMB)アルゴリズムを提案した。CCMBの効率を改善するために,さらにパイプラインマシンベースのCCMB(PM-CCMB)アルゴリズムを設計した。ベンチマークBayesネットワークデータセットを使用して,実験はCCMBとPM-CCMBの両方が既存の方法と比較してMB発見精度に関して顕著な改良を達成して,PM-CCMBがさらに計算効率を改良することを実証した。実世界データセットにおける経験的研究は,最先端の因果関係と従来の特徴選択アルゴリズムに対するCCMBとPM-CCMBの有効性を検証した。Copyright 2021 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： アルゴリズム ,  雑音 ,  *特徴選択 ,  応用プログラム ,  有効性 ,  ベンチマーク ,  ロバスト性 ,  予測モデル
準シソーラス用語： 計算効率 ,  信念ネットワーク ,  選択法 ,  クロスチェック , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 特徴選択 ,  境界 ,  発見