花つき決定木による多目的分類学習
スポンサーリンク
概要
- 論文の詳細を見る
This paper presents a novel decision-tree induction for a multi-objective data set, i.e. a data set with a multi-dimensional class. Inductive decision-tree learning is one of the frequently-used methods for a single-objective data set, i.e. a data set with a single-dimensional class. However, in a real data analysis, we usually have multiple objectives, and a classifier which explains them simultaneously would be useful. A conventional decision-tree inducer requires transformation of a multi-dimensional class into a singledimensional class, but such a transformation can considerably worsen both accuracy and readability. In order to circumvent this problem we propose a bloomy decision tree which deals with a multi-dimensional class without such transformations. A bloomy decision tree consists of a set of decision nodes each of which splits examples according to their attribute values, and a set of .ower nodes each of which decidesa dimension of the class for examples. A flower node appears not only at the fringe of a tree but also inside a tree. Our pruning is executed during tree construction, and evaluates each dimension of the class based on Cramér’s V. The proposed method has been implemented as D3-B (Decision tree in Bloom), and tested with eleven benchmark data sets in the machine learning community. The experiments showed that D3-B has higher accuracies in nine data sets than C4.5 and tied with it in the other two data sets. In terms of readability, D3-B has a smaller number of decision nodes in all data sets, and thus outperforms C4.5. Moreover, experts in agriculture evaluated bloomy decision trees, each of which is induced from an agricultural data set, and found them appropriate and interesting.
- 社団法人 人工知能学会の論文
- 2001-11-01
著者
-
鈴木 英之進
横浜国立大学大学院工学府物理情報工学専攻電気電子ネットワークコース
-
後藤 匡史
横浜国立大学工学部電子情報工学科
-
長木 悠太
横浜国立大学 工学部 電子情報工学科
-
後藤 匡史
横浜国立大学 工学部 電子情報工学科
関連論文
- 例外性発見に基づくスパイラル的アクティブマイニング(アクティブマイニング)
- 時系列決定木の実験的評価(9月15日)(「アクティブマイニング」及び一般)
- 時系列決定木の実験的評価(「アクティブマイニング」及び一般)
- 動的時間伸縮法に基づく時系列データからの決定木学習
- プロトタイプラインに基づく医療検査データの高次可視化
- 動的時間伸縮法に基づく時系列データからの決定木学習( 「アクティブマイニング」及び一般 : 文部科学省科学研究費特定領域研究「情報洪水時代におけるアクティブマイニングの実現」公開シンポジウム)
- プロトタイプラインに基づく医療検査データの高次可視化(文部科学省科学研究費特定領域研究「情報洪水時代におけるアクティブマイニングの実現」公開シンポジウム)(特集テーマ : 「アクティブマイニング」及び一般)
- 多重サイコロモデルを用いたEM法による慢性肝炎データ医療検査結果の類型化
- 特徴的な株価変動区間抽出に基づく相場操縦発見(ビジネスとデータマイニング, 「安全・安心な社会生活の実現に向けた知識の活用とソフトウェア開発支援」及び一般)
- 0. 編集にあたって(最新!データマイニング手法)
- 混合多項分布推定を用いた肝炎データにおける異常検査値の類型化
- 教師つき学習と教師なし学習の統合学習のための心理実験と計算モデル
- 分類子学習のためのクラス生成に関する認知科学的実験
- 多数の例外的データが存在する回帰問題のための最小記述長原理の拡張
- 情報理論的手法を用いたデータベースからの例外的知識の発見
- 情報理論的規準を用いたデータベースからの例外的知識の発見
- 動的時間伸縮法に基づく平均時系列生成による時系列データの高速クラスタリング
- LG-3 動的時間伸縮法に基づく時系列データの高速クラスタリング(G. 人工知能)
- 第4回太平洋アジア地域知識発見とデータマイニング国際会議の報告
- 順序ドロー画像を用いたサッカービデオからの戦術特定(人・物のネットワークとマイニング技術の活用, 「安全・安心な社会生活の実現に向けた知識の活用とソフトウェア開発支援」及び一般)
- 多目的最適化問題における均等なパレート面探索のための多指向性遺伝的アルゴリズム(セッション3)
- データスカッシング(data squashing)
- 株価変動基準と収益基準に基づく相場操縦発見システム(リスク日避とデータ知能学, セマンティックWebとソフトウェア工学, 一般)
- 2. データスカッシング : 逆転の発想によるスケールダウン戦略(最新!データマイニング手法)
- LF-011 収益基準に基づく株価不正操作発見システム(F. 人工知能)
- 正確な学習よりも得する学習 : 誤分類コストを考慮する分類学習 : (2)解決編
- 正確な学習よりも得する学習 : 誤分類コストを考慮する分類学習 : (1)評価編
- 1N-7 圧縮情報量密度に基づく発見ルール集合の可視グラフ構造への変換
- KDDカップ2000主催者報告書 : 本質をつかむ (データマイニングコンテスト)
- LF-007 検索エンジンを用いた特異なウェブページの分類(F. 人工知能)
- 一般性と正確性に基づくルール発見の最悪解析
- 例外ルールの発見(「データマイニング特集号」)
- 花つき決定木による多目的分類学習
- 花つき決定木による多目的分類学習
- 多目的分類学習のための花つき決定木 (テーマ:「データマイニング--共通データからの知識発見」および一般)
- 相互情報量基準を用いた連続値クラスに対する仮説の構築
- 花つき決定木による複数クラス属性データからの分類学習 (セッション6:意思決定・機械学習支援)
- UCI KDDアーカイブ : データマイニング研究と実験のための大規模データ集合のアーカイブ (データマイニングコンテスト)
- 花つき木構造による多次元クラスデータからの回帰学習
- 共通病院データ集合からの例外知識発見
- 標準形変換とSupport Vector Machinesによる物体認識
- ヨーロッパにおけるデータマイニングコンテスト (データマイニングコンテスト)
- サポートベクターマシンに基づく医療データからの事例発見 (サポートベクターマシン : その仕組みと応用 : 分類手法の新展開)
- 規則の帰納学習におけるバイアスの経験的比較
- 最遠例順次選択法を用いた概念クラスタリング