講演名 2011-11-21
Random Forestによるコンテキスト情報の補完について(「コンテキストを意識した知識の利用」及び一般)
石岡 恒憲,
PDFダウンロードページ PDFダウンロードページへ
抄録(和) コンテキストウエアサービスを考える場合に,行うべきサービスを応答変数,得られるコンテキスト情報を説明変数とすれば,通常の場合,説明変数であるコンテキスト情報には欠測データが多く含まれている.欠測データを取り扱う方法には多くの方法があるが,Missing at random (MAR;欠測するかどうかは欠測値に依存せずに観測値に依存する)の仮定を暗黙におくRandom Forest (RF)の手法は,Missing completely at random (MCAR;欠測するかどうかはモデリングに用いている変数に依存しない)よりは,通常の場合,より妥当な結果を導くことは明らかで,このRFがコンテキストウエアサービスにも有効であると予想される.RFはBreiman (2001)によって提案された分類や非線形回帰のための集団学習の方法の一つであるが,Ver.4から(説明変数の)欠測値の推測に使えるようになっている.本発表では,あまり知られていないと思われるRFによるデータ補完のアルゴリズムを,統計学の視点を交え紹介するとともに,このRFによるコンテキスト情報の補完の方法がうまく動作することを,同じ機械学習の一つであるKernal法によるサポートベクターマシンとの性能比較を行いながら示す.
抄録(英) When considering contextware services, we set the response variable to the services to provide, and explanatory variable to the context information statistics. Usually, the explanatory variables contain some missing data. It is obvious that missing at random (MAR), which the missing depends on only observations not non-observations, is superior to missing completely at random (MCAR), which the missing does not depend on the variables in an assumed model. Random Forest (RF) is subject to the assumption of MAR, so it derive the better results than those by other conventional methods. The RF imputation can be activated since the Version 4. While being aware that RF is an ensemble learning method for the classification and/or non-linear regressions, many statistician and engineers do not know the availability of the missing data imputation. In this paper, we present the RF imputation algorithm, indicating that it works pretty well by comparing to kernel method on support vector machines.
キーワード(和) 集団学習 / Random Forest / データ補完 / 欠測データ / MAR
キーワード(英) ensemble learning / Random Forest / data imputation / missing data / MAR
資料番号 AI2011-21
発行日

研究会情報
研究会 AI
開催期間 2011/11/14(から1日開催)
開催地(和)
開催地(英)
テーマ(和)
テーマ(英)
委員長氏名(和)
委員長氏名(英)
副委員長氏名(和)
副委員長氏名(英)
幹事氏名(和)
幹事氏名(英)
幹事補佐氏名(和)
幹事補佐氏名(英)

講演論文情報詳細
申込み研究会 Artificial Intelligence and Knowledge-Based Processing (AI)
本文の言語 JPN
タイトル(和) Random Forestによるコンテキスト情報の補完について(「コンテキストを意識した知識の利用」及び一般)
サブタイトル(和)
タイトル(英) An Imputation of Context Data using Random Forest
サブタイトル(和)
キーワード(1)(和/英) 集団学習 / ensemble learning
キーワード(2)(和/英) Random Forest / Random Forest
キーワード(3)(和/英) データ補完 / data imputation
キーワード(4)(和/英) 欠測データ / missing data
キーワード(5)(和/英) MAR / MAR
第 1 著者 氏名(和/英) 石岡 恒憲 / Tsunenori ISHIOKA
第 1 著者 所属(和/英) 大学入試センター研究開発部
Research Division, The National Center for University Entrance Examinations
発表年月日 2011-11-21
資料番号 AI2011-21
巻番号(vol) vol.111
号番号(no) 310
ページ範囲 pp.-
ページ数 6
発行日