Item type |
SIG Technical Reports(1) |
公開日 |
2024-11-22 |
タイトル |
|
|
タイトル |
部分空間に基づく決定木の再教育 |
言語 |
|
|
言語 |
jpn |
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 |
|
|
|
島根大学大学院自然科学研究科 |
著者所属 |
|
|
|
島根大学大学院自然科学研究科 |
著者所属(英) |
|
|
|
en |
|
|
Graduate School of Natural Science and Technology, Shimane University |
著者所属(英) |
|
|
|
en |
|
|
Graduate School of Natural Science and Technology, Shimane University |
著者名 |
村田, 頼昭
坂野, 鋭
|
著者名(英) |
Yoriaki, Murata
Hitoshi, Sakano
|
論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
本研究では,決定木の識別性能を改善するために,部分空間を用いた追加学習サンプルの生成法を提案する.決定木は解釈性の高い識別機として知られるが,識別性能があまり高くないという問題がある.識別機の改善の一つの処方は,学習サンプルを増加することである.こうしたアイデアから,カーネル法等の方法で発生したサンプルに,多層パーセプトロン等の高性能な識別機でラベル付けを行うことで決定木の性能向上を試みる研究がなされてきた.しかし,この方法は高次元データに対しては良好に動作しない.空間が広がると,全空間の中に,学習に不適切なサンプルが生成してしまう確率が高くなるからと考えられる.そこで,我々は,部分空間法を ???? 個のサブカテゴリに拡張した ????-部分空間法で張られる部分空間で追加の学習サンプルを生成し,決定木の学習に追加する方法を提案する.手書き数字画像データに対して本手法を用いたサンプル生成を行い,精度評価を行った.その結果,生成した 1200 万個の学習サンプルを加えることによって決定木の精度を約 3% 向上出来た. |
書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
収録物識別子 |
AA12628338 |
書誌情報 |
研究報告デジタルコンテンツクリエーション(DCC)
巻 2024-DCC-38,
号 39,
p. 1-4,
発行日 2024-11-22
|
ISSN |
|
|
収録物識別子タイプ |
ISSN |
|
収録物識別子 |
2188-8868 |
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 |