Art

J-GLOBAL ID：201402207939307392   Reference number：14A0058319

欠損値を含むデータのクラスタリングのためのRandom Forestを用いた類似度算出法

Author (4)： SANADA YUKI (早稲田大 創造理工) ,  OI TAKAHIRO (早稲田大 創造理工) ,  ISHIDA TAKASHI (早稲田大 メディアネットワークセ) ,  GOTO MASAYUKI (早稲田大 創造理工)
Material： 電子情報通信学会論文誌 D  (IEICE Transactions on Information and Systems (Japanese Edition))
Volume： J97-D  Issue： 1  Page： 239-243  Publication year： Jan. 01, 2014 
JST Material Number： S0757C  ISSN： 1880-4535  Document type： Article
Article type： 短報  Country of issue： Japan (JPN)  Language： JAPANESE (JA)

Thesaurus term： *clustering ,  *computer algorithm ,  degree ,  *calculation ,  measurement data ,  prediction technique ,  accuracy ,  multivariate analysis ,  *matrix(mathematics)
Semi thesaurus term： ensemble method ,  *Data clustering ,  *random forest ,  *missing data ,  estimated accuracy ,  *類似度行列

JST classification (1)： Artificial intelligence  (JE08000Z)

Reference (14)：

• L. Breiman, “Random forests,“ Machine Learning, vol.45, pp.5-32, 2001.
• 石岡恒憲,“Random Forestを用いた欠測データの補完に基づく大学入試センター試験科目間得点差,“応用統計学,vol.40,no.3,pp.193-210,2011.
• C. Englund and A. Verikas, “A novel approach to estimate proximity in a random forest: An exploratory study,“ Expert Systems with Applications: An International Journal, vol.39, no.17, pp.13046-13050, Dec. 2012.
• A. Liaw and M. Wiener, “Classification and regression by randomForest,“ R News, vol.2/3, pp.18-22, 2002.
• T. Shi and S. Horvath, “Unsupervised learning with random forest predictors,“ Journal of Computation and Graphical Statistics, vol.15, no.1, pp.118-138, 2006.

Terms in the title (4)： 欠損 ,  クラスタリング ,  類似度 ,  算出法