@techreport{oai:ipsj.ixsq.nii.ac.jp:00226515,
 author = {山倉, 司 and 川村, 一志 and 本村, 真人 and ThiemVan, Chu and Tsukasa, Yamakura and Kazushi, Kawamura and Masato, Motomura and Thiem, Van Chu},
 issue = {47},
 month = {Jun},
 note = {本稿では，決定木の構造上の制限をニューラルネットワークに適用した新たな機械学習手法を提案する．提案手法は表形式データを対象とし，3 つの要素で構築されている．1 つ目は，ランダムフォレストを用いた特徴量選択である．既存のランダムフォレストを用いて特徴量選択を行うことで，無意味な特徴量の影響を小さくする． 2 つ目は，木構造ニューラルネットワークである．決定木のように経路を 1 つに絞ることで，ニューラルネットワークの学習パラメータ数を削減する．3 つ目は，決定木とニューラルネットワークのアンサンブル学習である．これは異なる種類の学習器を用いたアンサンブル学習となるため，精度向上につながる．実験の結果，3 つの要素を組み合わせた提案手法は，特徴量の個数が多いデータセットにおいて高精度を達成した．},
 title = {表形式データを対象とした決定木とニューラルネットワークの融合型機械学習手法の研究},
 year = {2023}
}