ラフ集合非決定情報解析における欠損値補完とルール生成による機械学習に向けた試み

DOI Web Site 参考文献19件

書誌事項

タイトル別名
  • Missing Value Imputation and an Attempt Toward Machine Learning by Rule Generation in Rough Set Non-Deterministic Information Analysis

抄録

<p>ラフ集合非決定情報解析RNIA（Rough Set Non-deterministic Information Analysis）はカテゴリカルな表データを解析するための数学的枠組みであり，ラフ集合理論に情報の不完全性・非決定性を追加した枠組みと考えられる．RNIAでは，通常の表DIS（Deterministic Information System）からルールを生成するDIS-アプリオリ法，欠損値（または非決定情報）を含む表NIS（Non-deterministic Information System）から確実ルール・可能性ルールを生成するNIS-アプリオリ法が提案・実現されている．今回，RNIAの体系を利用しNISにおける欠損値補完と機械学習機能の実現を目指す．欠損値が多く含まれる表データでは，通常，ルール生成は難しいと考えられるが，NIS-アプリオリ法では閾値を調整しながら確実ルールを生成でき，属性間の依存関係を把握できる．この性質を利用し，欠損値が存在する属性を決定属性とする確実ルールを生成し，取得した確実ルールによって欠損値を補完する手法，SRI法（Self-obtained Rule-based Imputation procedure）を提案する．この手法は教師無し学習であり，背景知識や追加情報は要らない．また，欠損値を含む属性ごとにSRI法を適用すれば，NISから逐次的にDISを学習する機能を実現できる．この枠組みをルール生成による機械学習MLRG（Machine Learning by Rule Generation）と呼ぶ．実験を通してSRI法の妥当性や特性を示し，機械学習MLRGの可能性を考察する．</p>

収録刊行物

  • 知能と情報

    知能と情報 35 (4), 746-758, 2023-11-15

    日本知能情報ファジィ学会

参考文献 (19)*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