ログイン 新規登録
言語:

WEKO3

  • トップ
  • ランキング


インデックスリンク

インデックスツリー

  • RootNode

メールアドレスを入力してください。

WEKO

One fine body…

WEKO

One fine body…

アイテム

  1. 論文誌(トランザクション)
  2. 数理モデル化と応用(TOM)
  3. Vol.12
  4. No.3

不均衡データに対する多段階学習を用いたアンサンブルモデルによる2クラス分類アルゴリズムの提案

https://ipsj.ixsq.nii.ac.jp/records/201588
https://ipsj.ixsq.nii.ac.jp/records/201588
e3e8c12d-6298-496f-b0b5-73f61999fdbf
名前 / ファイル ライセンス アクション
IPSJ-TOM1203003.pdf IPSJ-TOM1203003.pdf (935.2 kB)
Copyright (c) 2019 by the Information Processing Society of Japan
オープンアクセス
Item type Trans(1)
公開日 2019-12-23
タイトル
タイトル 不均衡データに対する多段階学習を用いたアンサンブルモデルによる2クラス分類アルゴリズムの提案
タイトル
言語 en
タイトル A New Ensemble Model for Imbalanced Two-class Classification by Learning Multistage
言語
言語 jpn
キーワード
主題Scheme Other
主題 [オリジナル論文] 機械学習,2クラス分類,不均衡データ
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
筑波大学
著者所属
筑波大学
著者所属
筑波大学
著者所属(英)
en
University of Tsukuba
著者所属(英)
en
University of Tsukuba
著者所属(英)
en
University of Tsukuba
著者名 藤原, 和樹

× 藤原, 和樹

藤原, 和樹

Search repository
繁野, 麻衣子

× 繁野, 麻衣子

繁野, 麻衣子

Search repository
住田, 潮

× 住田, 潮

住田, 潮

Search repository
著者名(英) Kazuki, Fujiwara

× Kazuki, Fujiwara

en Kazuki, Fujiwara

Search repository
Maiko, Shigeno

× Maiko, Shigeno

en Maiko, Shigeno

Search repository
Ushio, Sumita

× Ushio, Sumita

en Ushio, Sumita

Search repository
論文抄録
内容記述タイプ Other
内容記述 近年,機械学習を用いた2クラス分類アルゴリズムは,種々のアプリケーション実現のための中核的な技術要素として応用されている.一方で,応用される多くの事例では対象データが少数の陽性と多数の陰性から構成される不均衡データであり,この不均衡性によって陽性の分類精度が低くなってしまうことが問題になっている.本稿では,不均衡データに対する陽性の分類精度の向上を目的とした2クラス分類アルゴリズムについて研究する.一般的に,不均衡データに対する陽性の分類精度を向上させようとした場合,偽陰性の減少と引き換えに偽陽性が増加する可能性がある.そこで本研究では,不均衡データに対して偽陰性・偽陽性をともに減少させる多段階学習を用いたアンサンブルモデルによる2クラス分類アルゴリズムを提案する.提案手法では,分類が難しいと判断されたデータに対して学習を繰り返し,期ごとに複数のモデルを作成する.多段階的に作成された複数のモデルを用いて,偽陰性を減少させるための最適線形結合モデルと偽陽性を減少させるためのカスケード結合モデルをそれぞれ構築し,この2つのモデルを統合して最終的な分類を行う.実験を通じて,提案手法を用いることによって,既存手法よりも陽性の分類精度が向上すること,偽陰性と偽陽性がともに減少することを示した.
論文抄録(英)
内容記述タイプ Other
内容記述 In recent years, algorithms for classification with two possible outcomes have played important roles in machine learning. In various applications in the real world, the analyzing datasets are hard to deal with because the sizes of classes are imbalanced, i.e., the data contain a few positive outcomes while contain many negative outcomes. This imbalance causes the low accuracy of classification for positive. Many algorithms for two-class classification have been developed to improve the accuracy of classification even if the dataset is imbalanced. However, such algorithms tend to yield increasing false positives in return for reducing false negatives. We propose an algorithm tries to reduce both false negative and false positives in multistage learning. By using several learning machines, our algorithm constructs several models. To reduce false negatives, we take an optimal linear combination of those models. On the other hand, to reduce false positives, we take a cascade classifier. Integrating these two models, the solution for classification is given. Computational experiments are performed to verify the proposed method and to ascertain that the classification accuracy of positive is better than the existing method. The proposed method succeeded to decrease both the false negative and false positives.
書誌レコードID
収録物識別子タイプ NCID
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 12, 号 3, p. 10-17, 発行日 2019-12-23
ISSN
収録物識別子タイプ ISSN
収録物識別子 1882-7780
出版者
言語 ja
出版者 情報処理学会
戻る
0
views
See details
Views

Versions

Ver.1 2025-01-19 20:58:16.117335
Show All versions

Share

Mendeley Twitter Facebook Print Addthis

Cite as

藤原, 和樹, 繁野, 麻衣子, 住田, 潮, 2019: 情報処理学会, 10–17 p.

Loading...

エクスポート

OAI-PMH
  • OAI-PMH JPCOAR
  • OAI-PMH DublinCore
  • OAI-PMH DDI
Other Formats
  • JSON
  • BIBTEX

Confirm


Powered by WEKO3


Powered by WEKO3