| Item type |
SIG Technical Reports(1) |
| 公開日 |
2023-06-22 |
| タイトル |
|
|
タイトル |
表形式データを対象とした決定木とニューラルネットワークの融合型機械学習手法の研究 |
| 言語 |
|
|
言語 |
jpn |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
IBISML |
| 資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_18gh |
|
資源タイプ |
technical report |
| 著者所属 |
|
|
|
東京工業大学AIコンピューティング研究ユニット |
| 著者所属 |
|
|
|
東京工業大学AIコンピューティング研究ユニット |
| 著者所属 |
|
|
|
東京工業大学AIコンピューティング研究ユニット |
| 著者所属 |
|
|
|
東京工業大学AIコンピューティング研究ユニット |
| 著者所属(英) |
|
|
|
en |
|
|
Tokyo Institute of Technology |
| 著者所属(英) |
|
|
|
en |
|
|
Tokyo Institute of Technology |
| 著者所属(英) |
|
|
|
en |
|
|
Tokyo Institute of Technology |
| 著者所属(英) |
|
|
|
en |
|
|
Tokyo Institute of Technology |
| 著者名 |
山倉, 司
川村, 一志
本村, 真人
ThiemVan, Chu
|
| 著者名(英) |
Tsukasa, Yamakura
Kazushi, Kawamura
Masato, Motomura
Thiem, Van Chu
|
| 論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
本稿では，決定木の構造上の制限をニューラルネットワークに適用した新たな機械学習手法を提案する．提案手法は表形式データを対象とし，3 つの要素で構築されている．1 つ目は，ランダムフォレストを用いた特徴量選択である．既存のランダムフォレストを用いて特徴量選択を行うことで，無意味な特徴量の影響を小さくする． 2 つ目は，木構造ニューラルネットワークである．決定木のように経路を 1 つに絞ることで，ニューラルネットワークの学習パラメータ数を削減する．3 つ目は，決定木とニューラルネットワークのアンサンブル学習である．これは異なる種類の学習器を用いたアンサンブル学習となるため，精度向上につながる．実験の結果，3 つの要素を組み合わせた提案手法は，特徴量の個数が多いデータセットにおいて高精度を達成した． |
| 書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
収録物識別子 |
AN10505667 |
| 書誌情報 |
研究報告数理モデル化と問題解決（MPS）
巻 2023-MPS-143,
号 47,
p. 1-8,
発行日 2023-06-22
|
| ISSN |
|
|
収録物識別子タイプ |
ISSN |
|
収録物識別子 |
2188-8833 |
| Notice |
|
|
|
SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. |
| 出版者 |
|
|
言語 |
ja |
|
出版者 |
情報処理学会 |
IPSJ-MPS23143047.pdf (2.5 MB)
