Item type |
Symposium(1) |
公開日 |
2020-11-04 |
タイトル |
|
|
タイトル |
高次元データ多クラス識別問題におけるGBDTライブラリの実装と改善 |
言語 |
|
|
言語 |
jpn |
キーワード |
|
|
主題Scheme |
Other |
|
主題 |
GBDT, 機械学習, 次元削減, 正則化 |
資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_5794 |
|
資源タイプ |
conference paper |
著者所属 |
|
|
|
NTT ソフトウェアイノベーションセンタ |
著者所属 |
|
|
|
NTT ソフトウェアイノベーションセンタ |
著者所属 |
|
|
|
NTT ソフトウェアイノベーションセンタ |
著者所属 |
|
|
|
NTT ソフトウェアイノベーションセンタ |
著者所属(英) |
|
|
|
en |
|
|
NTT Software Innovation Center |
著者所属(英) |
|
|
|
en |
|
|
NTT Software Innovation Center |
著者所属(英) |
|
|
|
en |
|
|
NTT Software Innovation Center |
著者所属(英) |
|
|
|
en |
|
|
NTT Software Innovation Center |
著者名 |
藤野, 知之
千々和, 大輝
税所, 修
柏木, 啓一郎
|
論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
機械学習技術の普及により,高度な学習処理を伴うデータの分類や回帰分析が様々な産業・サービスにおいて用いられている.機械学習の学習処理は計算量が大きい傾向にあり,クラウドコンピューティングを用い潤沢な計算資源の元実施されるのが一般的である.また,機械学習を用いたシステムを開発する際は入出力データやハイパーパラメータなどの試行錯誤が必要になり,繰り返し学習処理を行うことが多い.そのため,機械学習システムの開発コストの削減のため,学習処理自体の計算量を削減,効率化することが望ましい.本研究では勾配ブースティング法に着目し,高次元の入力データを分類する問題において学習処理の効率化手法を検討,実装し評価を行う. |
書誌情報 |
第28回マルチメディア通信と分散処理ワークショップ論文集
p. 50-57,
発行日 2020-11-04
|
出版者 |
|
|
言語 |
ja |
|
出版者 |
情報処理学会 |