抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
Breimanのランダムフォレスト(RF)は,暗黙のカーネル発生器として解釈でき,そこで,次の近接行列は,データ駆動RFカーネルを表す。RFに関するカーネル展望を用いて,その統計的特性の理論的研究のための原理的枠組みを開発した。しかし,カーネルとRF間のリンクの実際的有用性は広く調査されておらず,系統的に評価されていない。本研究の焦点は,カーネル法とRFの間の相互作用の研究である。連続,バイナリおよび生存ターゲットから成る包括的シミュレーション研究において,正則化線形モデルによって使用されたデータ駆動RFカーネルの性能および特性を明らかにした。連続および生存ターゲットに対して,RFカーネルは,より多数の雑音の多い特徴を持つ高次元シナリオにおいてRFと競合することを示した。バイナリターゲットでは,RFカーネルとRFは同等の性能を示した。RFカーネルがLaplaceカーネルに漸近的に収束するので,評価にそれを含めた。ほとんどのシミュレーションセットアップに対して,RFおよびRFカーネルはLaplaceカーネルより優れていた。それにもかかわらず,いくつかの場合,Laplaceカーネルは競合し,応用に対する潜在的価値を示した。また,回帰,分類および生存に対する実生活データセットからの結果も提供し,これらの洞察が実際にどのように利用できるかを説明した。最後に,解釈可能なプロトタイプおよびランドマーク分類,回帰および生存の文脈におけるRFカーネルのさらなる拡張を検討した。著者らは,RFのBayes対応物によって提供されるカーネルのための研究の将来ラインを概説する。【JST・京大機械翻訳】