ランダムアルゴリズムによる帰納学習の特性解析

書誌事項

タイトル別名
  • ランダム アルゴリズム ニヨル キノウ ガクシュウ ノ トクセイ カイセキ
  • Random Case Analysis of Inductive Learning Algorithms
  • 学習

この論文をさがす

説明

機械学習アルゴリズムを評価する際には,計算時間の削減は大きな課題となっている.学習アルゴリズムは高い分類特性を持つものほどアルゴリズムの構造は複雑になり,特性を解析するために必要な計算時間は膨大なものとなっている.現在,学習アルゴリズムの近似的な数学的モデルを用いて特性を調べる手法が提案されているが,数学的モデルはモデル化を行い過ぎると,本来のアルゴリズムが持つ特性を失い,分類精度が不正確になる問題がある.逆に,モデル化が不十分だと解析に要する計算時間はほとんど削減されないという問題があった.本稿では,ランダムアルゴリズムを用いて,訓練事例集合のすべての組合せの中からサンプリングを行い,解析の精度を保ちつつ,計算時間を大幅に削減するRandom Case Analysisを提案する.さらに,既存の手法では解析が困難なID3アルゴリズムやC4.5アルゴリズムといった,複雑な帰納学習アルゴリズムに対して実験を行い,Random Case Analysisの有効性を確認する.

In machine learning,it is important to reduce computational time to analyze learning algorithms.Learning algorithms have become complicated,and it requires much computational time to analyze them.Many researchers have presented analytic methods of learning algorithm by using approximately mathematical model.If we simplify the model too much,we may lose the essential behavior of the original algorithm,but if we don't simplify it enough,we need much computational time to analyze it.In our framework,called Random Case Analysis,we adapt the idea of Randomized Algorithms.By using Random Case Analysis,we can predict various aspects of learning algorithm's behavior,requiring much less computational time than analyses presented so far.Furthermore,we can easily apply our framework to practical learning algorithms,such as ID3 or C4.5.

収録刊行物

参考文献 (11)*注記

もっと見る

キーワード

詳細情報 詳細情報について

問題の指摘

ページトップへ