電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ/通ソ)
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2015-12-19 10:30
ブートストラップ法を用いたAlternating Decision Forestsの適応的な汎化性能向上法
三沢翔太郎三川健太後藤正幸早大
技報オンラインサービス実施中
抄録 (和) 本研究では,データのカテゴリ予測を行うための手法として決定木のアンサンブル手法の一つであるAlternating Decision Forests(ADF) に着目する.ADF は各木に一部の説明変数をランダムに割り当てた上で,データに付与したウェイトを用いて並列に複数の決定木を成長させる.これにより,全体最適でありながら各木の相関が低い決定木集合を生成することが可能となる.しかし,学習データにある外れ値の影響により決定木集合で過学習を起こし易いことや,一部の決定木においては,割り当てられた説明変数の影響によって汎化性能が低くなるなどの問題点がある.そのため本研究では,各決定木に対して学習に用いないデータを割り当てて,それらを予測した結果を反映することにより汎化性能の向上を図る. 
(英) In this study, we focus on the Alternating Decision Forests (ADF) which is famous as an effective ensemble method of decision trees. The ADF introduces weights which represent the degree of prediction accuracy for the training data. The ADF arranges a part of attribute variables for each decision tree. Therefore, this method can construct an ensemble model which can predict training data accurately and let each decision tree have different features. However, outliers tend to cause overfi tting, and the prediction accuracy of a decision tree may not increase depending on arranged attribute variables. Therefore, this study introduces the results of predicting new data. For this purpose, we introduce the bootstrap samples and it can generate out of bag (OOB) dataset in the training phase for each tree. Moreover, we construct an effective ensemble of decision trees by considering the prediction accuracy for OOB data and improve the generalization ability.
キーワード (和) データマイニング / Alternating Decision Forests / 決定木 / 汎化性能 / / / /  
(英) Data mining / Alternating Decision Forests / Decision tree / Generalization ability / / / /  
文献情報 信学技報, vol. 115, no. 381, AI2015-49, pp. 137-142, 2015年12月.
資料番号 AI2015-49 
発行日 2015-12-11 (AI) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 AI  
開催期間 2015-12-18 - 2015-12-19 
開催地(和) 那覇市ぶんかテンブス館 
開催地(英)  
テーマ(和) 「コンテキストを意識した知識の利用」および一般 
テーマ(英)  
講演論文情報の詳細
申込み研究会 AI 
会議コード 2015-12-AI 
本文の言語 日本語 
タイトル(和) ブートストラップ法を用いたAlternating Decision Forestsの適応的な汎化性能向上法 
サブタイトル(和)  
タイトル(英) A Method of Improving Generalization Ability of Alternating Decision Forests with Bootstrap Method 
サブタイトル(英)  
キーワード(1)(和/英) データマイニング / Data mining  
キーワード(2)(和/英) Alternating Decision Forests / Alternating Decision Forests  
キーワード(3)(和/英) 決定木 / Decision tree  
キーワード(4)(和/英) 汎化性能 / Generalization ability  
キーワード(5)(和/英) /  
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) 三沢 翔太郎 / Shotaro Misawa / ミサワ ショウタロウ
第1著者 所属(和/英) 早稲田大学 (略称: 早大)
Waseda University (略称: Waseda Univ.)
第2著者 氏名(和/英/ヨミ) 三川 健太 / Kenta Mikawa / ミカワ ケンタ
第2著者 所属(和/英) 早稲田大学 (略称: 早大)
Waseda University (略称: Waseda Univ.)
第3著者 氏名(和/英/ヨミ) 後藤 正幸 / Masayuki Goto / ゴトウ マサユキ
第3著者 所属(和/英) 早稲田大学 (略称: 早大)
Waseda University (略称: Waseda 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
発表日時 2015-12-19 10:30:00 
発表時間 20 
申込先研究会 AI 
資料番号 IEICE-AI2015-49 
巻番号(vol) IEICE-115 
号番号(no) no.381 
ページ範囲 pp.137-142 
ページ数 IEICE-6 
発行日 IEICE-AI-2015-12-11 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会