S3 Baggingによる高速な分類器生成

• Item type: Trans(1)
• 公開日: 2001-12-15
• タイトル: S3 Baggingによる高速な分類器生成
• タイトル / 言語: en
• タイトル: Fast Classifier Generation by S3 Bagging
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: オリジナル論文
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 著者所属: 株式会社三菱総合研究所
• 著者所属: 大阪大学産業科学研究所
• 著者所属: 大阪大学産業科学研究所
• 著者所属(英): en
• 著者所属(英): Mitsubishi Research Institute, Inc.
• 著者所属(英): en
• 著者所属(英): I.S. I.R, Osaka University
• 著者所属(英): en
• 著者所属(英): I.S. I.R, Osaka University
• 著者名: 寺邊正大; 鷲尾, 隆; 元田, 浩
• 著者名(英): Masahiro, Terabe; Takashi, Washio; Hiroshi, Motoda
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: データマイニングの過程では，意思決定者がデータから必要とする知識を得ることができるまでに，分類器の生成を繰り返さなければならないことが多い．よって，データマイニングツールには大規模データから正確な知識を抽出するだけでなく，意思決定者の要求に応えるべく高速に抽出することも要請される．高速に分類器を生成する方法としては，サブサンプリングを行うことにより学習データの事例数を減らすことが考えられる．しかしながら，一般的には学習データの事例数が減少すると分類器の分類精度が劣化する．本論文では，サブサンプリングとコミッティ学習手法の1種であるBagging を組み合わせた新しい分類器生成手法であるS 3 Bagging （Small Sub Sampled Bagging ）を提案する．S3 Bagging では，複数の分類器をサブサンプリングされた学習データを用いて並列に生成し，生成された分類器を用いてコミッティ分類器を構成する．これにより，サブサンプリングによる分類精度の劣化を防ぐことができる．また，S3 Bagging の性能について実験を通じて確認した結果をあわせて示す．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In the data mining process,it is often necessary to induce classifiers iteratively until the human analysts complete extracting valuable knowledge from data.Therefore,the data mining tools have to extract accurate knowledge from a large amount of data quickly enough in response to the human demand.One of the approaches to answer this request is to reduce the training data size by subsampling.In many cases,the accuracy of the induced classifiers becomes worse when the training data is subsampled.We propose S3 Bagging (Small Sub Sampled Bagging) that adopts both subsampling and a method of committee learning, i.e.,Bagging.S3 Bagging can induce classifiers efficiently by reducing the training data size by subsampling and parallel processing.Additionally,the accuracy of the classifiers is maintained by aggregating the result of each classifier through the Bagging process.The performance of S3 Bagging is investigated through carefully designed experiments.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11464803
• 書誌情報: 情報処理学会論文誌数理モデル化と応用（TOM）; 巻 42, 号 SIG14(TOM5), p. 25-38, 発行日 2001-12-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7780
• 出版者 / 言語: ja
• 出版者: 情報処理学会