@techreport{oai:ipsj.ixsq.nii.ac.jp:00241141,
 author = {村田, 頼昭 and 坂野, 鋭 and Yoriaki, Murata and Hitoshi, Sakano},
 issue = {39},
 month = {Nov},
 note = {本研究では，決定木の識別性能を改善するために，部分空間を用いた追加学習サンプルの生成法を提案する．決定木は解釈性の高い識別機として知られるが，識別性能があまり高くないという問題がある．識別機の改善の一つの処方は，学習サンプルを増加することである．こうしたアイデアから，カーネル法等の方法で発生したサンプルに，多層パーセプトロン等の高性能な識別機でラベル付けを行うことで決定木の性能向上を試みる研究がなされてきた．しかし，この方法は高次元データに対しては良好に動作しない．空間が広がると，全空間の中に，学習に不適切なサンプルが生成してしまう確率が高くなるからと考えられる．そこで，我々は，部分空間法を ???? 個のサブカテゴリに拡張した ????-部分空間法で張られる部分空間で追加の学習サンプルを生成し，決定木の学習に追加する方法を提案する．手書き数字画像データに対して本手法を用いたサンプル生成を行い，精度評価を行った．その結果，生成した 1200 万個の学習サンプルを加えることによって決定木の精度を約 3% 向上出来た．},
 title = {部分空間に基づく決定木の再教育},
 year = {2024}
}