サブサンプリングを利用した探索領域の限定による機械学習のハイパーパラメータ調整

• Item type: SIG Technical Reports(1)
• 公開日: 2015-09-07
• タイトル: サブサンプリングを利用した探索領域の限定による機械学習のハイパーパラメータ調整
• タイトル / 言語: en
• タイトル: Hyperparameter tuning of machine learning by narrowing search regions with subsampling
• 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: 富士通研究所知識情報処理研究所
• 著者所属: 富士通研究所知識情報処理研究所
• 著者所属: 富士通研究所知識情報処理研究所
• 著者所属(英): en
• 著者所属(英): Knowledge Information Processing Laboratory, FUJITSU LABORATORIES
• 著者所属(英): en
• 著者所属(英): Knowledge Information Processing Laboratory, FUJITSU LABORATORIES
• 著者所属(英): en
• 著者所属(英): Knowledge Information Processing Laboratory, FUJITSU LABORATORIES
• 著者名: 浦, 晃; 小林, 健一; 上田, 晴康
• 著者名(英): Akira, Ura; Kenichi, Kobayashi; Haruyasu, Ueda
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: データ分析を自動化するための要素技術として機械学習のハイパーパラメータの自動調整があり，効率的に探索する手法が近年提案されている．本研究では，学習アルゴリズムが与えられたときのハイパーパラメータの調整において，サブサンプリングによって小さいサンプルから徐々に大きくしながら，精度により探索領域を限定する手法と，時間がかかりすぎる学習を打ち切るための制限時間を決定する手法からなる枠組みを提案する．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Efficient search methods have been recently proposed for hyperparameter tuning of machine learning which is a research area to realize automatic data analytics. In this paper, we propose a framework for hyperparamter tuning under the condition that a learning algorithm is given. The sample size of input data is gradually increased using subsampling. This framework consists of two methods. The first is narrowing a search region on the basis of prediction performance, and the second is deciding time limit to abort trials consuming too much time.
• 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: AA11131797
• 書誌情報: 研究報告コンピュータビジョンとイメージメディア（CVIM）; 巻 2015-CVIM-198, 号 9, p. 1-8, 発行日 2015-09-07
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8701
• 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