ニューラルネットワークの入出力間相互情報量に基づくデータ自動分割システム

概要

論文の詳細を見る
データマイニングの分野では、データ集合から情報を自動抽出できる発見型手法の提案が必要とされている。このような手法として、筆者らはニューラルネットワークの競合学習に基づいた、効率的データ自動分割アルゴリズムを提案した。予め分割数を指定すれば、このアルゴリズムによって、グループ内の分散を最小化した分割結果が効率よく得られる。本論文では、データの分布構造の特徴を最もよく捉えた分割数を、自動的に推定する指標を提案する。更に、この指標をもとにデータ自動分割システムを構築する。このような分割数を推定するためには、様々な分割数から得られる結果の中で、どれがデータの分布構造の特徴を最もよく捉えているかを決定しなければならない。筆者らが提案した効率的データ自動分割アルゴリズムでは、学習係数を自動的に調整する指標としてr値を提案した。r値はデータ集合と分割結果の相関を表す相互情報量を用いて定義される。このr値を分割数ごとに比較した場合、データの分布構造の特徴を最もよく捉えた分割数では、データ集合と分割結果と間の相互情報量、即ちr値は大きな値をとると考えられる。そこで、r値を学習係数の調整に用いると共に、本論文ではデータの分布構造を捉える指標として検討する。更に、このシステムを財務データによる地方銀行の分類に適用し、推定された分割数の妥当性を主成分分析の結果を用いて示す。
日本社会情報学会の論文
2000-03-31

ニューラルネットワークの入出力間相互情報量に基づくデータ自動分割システム

スポンサーリンク

概要

著者

関連論文

スポンサーリンク