@techreport{oai:ipsj.ixsq.nii.ac.jp:00211716,
 author = {田川, 聖治 and Kiyoharu, Tagawa},
 issue = {13},
 month = {Jun},
 note = {教師あり学習に基づく分類器の性能は，教師データ（特徴量とラベル）の内容に大きく左右される．本稿では，2 クラス問題を対象とした分類器の学習において，大規模不均衡データから教師データを生成するために 2 段階無作為抽出法を提案する．まず，大規模不均衡データでは，正常なデータに対する異常なデータの比率が極端に低いものとする．そこで，提案する 2 段階無作為抽出法では，特徴量が含まれる領域の選択と，特徴量（標本）の選択を分けることで，データの密度が疎な領域から教師データが選ばれる確率を高くする．また，分類器にサポートベクトルマシン（SVM）を用いた数値実験により，SVM の性能は一般的な無作為抽出法と比較し，提案法による教師データの方が高くなることを確認する．},
 title = {大規模不均衡データに対する2段階無作為抽出法の提案},
 year = {2021}
}