2026-04-20T10:52:33Z https://ipsj.ixsq.nii.ac.jp/oai

oai:ipsj.ixsq.nii.ac.jp:00239385 2025-01-19T08:17:45Z 581:11492:11502

性質の変化する説明変数の割合がConcept Drift解析に及ぼす影響 Relationship between Concept Drift Analysis and the Ratio of Explanatory Variables whose Properties Change 吉田, 健一 Kenichi, Yoshida [一般論文] オンラインデータ，コンセプトドリフト，アンサンブル学習，網羅探索 金融データやコロナの感染データなど性質が時間経過とともに変っていくオンラインデータの解析は重要であり数々の研究が行われている．また著者の調べた範囲ではアンサンブル学習系の手法の誤分類率が小さく，Adaptive random forests（ARF）などが代表的な手法となっている．本論文ではConcept Driftの分類では今まで着目されていなかった性質がアンサンブル学習系の手法による解析に及ぼす悪影響を報告し，その解決方法を提案する．具体的には従来研究では扱われてこなかった「性質の変化する説明変数の割合」がConcept Driftの分類に重要であることを議論する．また「性質の変化する説明変数の割合」がConcept Driftに及ぼす影響を実験において確認し，さらに「性質の変化する説明変数の割合」が大きな場合にARFの誤分類率を小さくする手法SARFを提案し，その効果を示す．SARFは代表的な既存手法との比較実験において，評価用公開データ26件中16件で最も小さな誤分類率を示した． Analysis of online data whose nature changes over time, such as financial data and corona infection data, is important. Many studies have been conducted. In general, ensemble-based learning methods perform well as analysis methods, and methods such as SEA, DWM, and ARF have been proposed. In addition, the change in properties over time is called concept drift, and its classification and detection methods have been studied. In this paper, we report on the adverse effects of a property that have yet to be paid attention to in the classification of concept drifts and propose a solution. The property discussed in this paper is the ratio of explanatory variables whose properties change. This paper shows that when this ratio is large, it harms the ensemble-based learning methods. In addition, we will evaluate a solution method to show that the analysis accuracy can be improved by the method. journal article 情報処理学会 2024-09-15 application/pdf 情報処理学会論文誌 9 65 1443 1450 1882-7764 AN00116647 https://ipsj.ixsq.nii.ac.jp/record/239385/files/IPSJ-JNL6509031.pdf jpn