講演抄録/キーワード |
講演名 |
2013-11-12 15:45
[ポスター講演]事例間の距離に応じた重要度の付与によるノイズ耐性を考慮したブースティング手法 ○藤田慎二郎・亀井清華・藤田 聡(広島大) IBISML2013-38 |
抄録 |
(和) |
AdaBoostはアンサンブル学習の主要な手法の1つであり,
実装が容易でありながら高い分類精度を持つことが特徴となっている.
しかしAdaBoostの問題点として,訓練データ中にノイズが混在している場合,
ノイズを正しく分類しようとするために過学習を起こし,
分類精度が低下するということがある.そこで本研究では,
AdaBoostに対してノイズ耐性を考慮した手法を提案することを目的とする.
具体的には,訓練に用いる各事例の概念空間における分布を考慮することで,
訓練事例中に存在するノイズを特定し,その重みを減少させることによって
ノイズの影響を軽減させる.また提案手法についてデータセットを用いた評価実験を行う. |
(英) |
AdaBoost is one of the major ensemble learning methods. It is easy to implement and
has high classification accuracy. However, AdaBoost has a problem that the accuracy
gets worse when there are noisy incidents in training data because it is likely to overfit
against them. Therefore, in this paper, we propose a boosting method which has tolerance for
noisy incidents. Specifically, the method detects noisy incidents in training data by considering distribution
of training data in the concept space, and reduces the effect of noisy incidents by giving them small weights.
Finally, we conduct an experiment on selected datasets that the proposed method is more
robust than standard and other types of AdaBoost for noisy datasets. |
キーワード |
(和) |
機械学習 / 集団学習 / ブースティング / AdaBoost / ノイズ / / / |
(英) |
machine learning / ensemble learning / boosting / AdaBoost / noise / / / |
文献情報 |
信学技報, vol. 113, no. 286, IBISML2013-38, pp. 15-21, 2013年11月. |
資料番号 |
IBISML2013-38 |
発行日 |
2013-11-05 (IBISML) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
IBISML2013-38 |
研究会情報 |
研究会 |
IBISML |
開催期間 |
2013-11-10 - 2013-11-13 |
開催地(和) |
東京工業大学 蔵前会館 |
開催地(英) |
Tokyo Institute of Technology, Kuramae-Kaikan |
テーマ(和) |
第16回情報論的学習理論ワークショップ & 第2回IBISMLチュートリアル |
テーマ(英) |
The 16th IBIS Workshop & The 2nd IBIS Tutorial |
講演論文情報の詳細 |
申込み研究会 |
IBISML |
会議コード |
2013-11-IBISML |
本文の言語 |
日本語 |
タイトル(和) |
事例間の距離に応じた重要度の付与によるノイズ耐性を考慮したブースティング手法 |
サブタイトル(和) |
|
タイトル(英) |
A boosting method considering tolerance against noisy data by weighting each data according to the distance between incidents |
サブタイトル(英) |
|
キーワード(1)(和/英) |
機械学習 / machine learning |
キーワード(2)(和/英) |
集団学習 / ensemble learning |
キーワード(3)(和/英) |
ブースティング / boosting |
キーワード(4)(和/英) |
AdaBoost / AdaBoost |
キーワード(5)(和/英) |
ノイズ / noise |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
藤田 慎二郎 / Shinjiro Fujita / フジタ シンジロウ |
第1著者 所属(和/英) |
広島大学 (略称: 広島大)
Hiroshima University (略称: Hiroshima Univ.) |
第2著者 氏名(和/英/ヨミ) |
亀井 清華 / Sayaka Kamei / カメイ サヤカ |
第2著者 所属(和/英) |
広島大学 (略称: 広島大)
Hiroshima University (略称: Hiroshima Univ.) |
第3著者 氏名(和/英/ヨミ) |
藤田 聡 / Satoshi Fujita / フジタ サトシ |
第3著者 所属(和/英) |
広島大学 (略称: 広島大)
Hiroshima University (略称: Hiroshima Univ.) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2013-11-12 15:45:00 |
発表時間 |
180分 |
申込先研究会 |
IBISML |
資料番号 |
IBISML2013-38 |
巻番号(vol) |
vol.113 |
号番号(no) |
no.286 |
ページ範囲 |
pp.15-21 |
ページ数 |
7 |
発行日 |
2013-11-05 (IBISML) |