WEKO3
アイテム
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
https://ipsj.ixsq.nii.ac.jp/records/226702
https://ipsj.ixsq.nii.ac.jp/records/22670266067511-0923-4020-849b-afb17364bbf2
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-BIO23074047.pdf (2.5 MB)
|
Copyright (c) 2023 by the Institute of Electronics, Information and Communication Engineers This SIG report is only available to those in membership of the SIG.
|
|
| オープンアクセス | ||
| Item type | SIG Technical Reports(1) | |||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2023-06-22 | |||||||||||||
| タイトル | ||||||||||||||
| タイトル | 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 | |||||||||||||
| 言語 | ||||||||||||||
| 言語 | jpn | |||||||||||||
| キーワード | ||||||||||||||
| 主題Scheme | Other | |||||||||||||
| 主題 | IBISML | |||||||||||||
| 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 | ||||||||||||||
| 東京工業大学AIコンピューティング研究ユニット | ||||||||||||||
| 著者所属 | ||||||||||||||
| 東京工業大学AIコンピューティング研究ユニット | ||||||||||||||
| 著者所属 | ||||||||||||||
| 東京工業大学AIコンピューティング研究ユニット | ||||||||||||||
| 著者所属 | ||||||||||||||
| 東京工業大学AIコンピューティング研究ユニット | ||||||||||||||
| 著者所属(英) | ||||||||||||||
| en | ||||||||||||||
| Tokyo Institute of Technology | ||||||||||||||
| 著者所属(英) | ||||||||||||||
| en | ||||||||||||||
| Tokyo Institute of Technology | ||||||||||||||
| 著者所属(英) | ||||||||||||||
| en | ||||||||||||||
| Tokyo Institute of Technology | ||||||||||||||
| 著者所属(英) | ||||||||||||||
| en | ||||||||||||||
| Tokyo Institute of Technology | ||||||||||||||
| 著者名 |
山倉, 司
× 山倉, 司
× 川村, 一志
× 本村, 真人
× ThiemVan, Chu
|
|||||||||||||
| 著者名(英) |
Tsukasa, Yamakura
× Tsukasa, Yamakura
× Kazushi, Kawamura
× Masato, Motomura
× Thiem, Van Chu
|
|||||||||||||
| 論文抄録 | ||||||||||||||
| 内容記述タイプ | Other | |||||||||||||
| 内容記述 | 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． | |||||||||||||
| 書誌情報 |
研究報告バイオ情報学（BIO） 巻 2023-BIO-74, 号 47, p. 1-8, 発行日 2023-06-22 |
|||||||||||||
| ISSN | ||||||||||||||
| 収録物識別子タイプ | ISSN | |||||||||||||
| 収録物識別子 | 2188-8590 | |||||||||||||
| 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 | |||||||||||||
