ノイズを含む事例からのルール抽出 : RF3アルゴリズム
スポンサーリンク
概要
- 論文の詳細を見る
知識獲得はエキスパートシステム構築の最重要課題である.エキスパートからの知識(ルール)抽出は困難で,可能な限りの自動化が強く望まれている.本論文では,応用の広い分類問題を対象に,ノイズを含む事例から,高い信頼性で良い正答率を保証する簡潔な分類ルールの抽出を目標とするRF3法を提案する.RF3法の特長は,ルール集合選択のための新評価尺度MEFの導入にある.MEF尺度は,任意の汎化誤り率の許容限界に対し,抽出したルール集合の汎化誤り率が許容限界より悪くなり,抽出失敗となる確率の期待値の最小化を意図したものである.また,MEF尺度は,抽出したルール集合の複雑さと例外事例の個数の和を最小化する尺度としても解釈可能である.RF3法の能力を検証するための実験を行った.実験の範囲では,RF3法が抽出したルール集合は,事例を生成するのに用いた元のルール集合とほほ同等なものであった.また,訓線誤り率の許容限界を順次変化させ,MEF尺度と別途推定した汎化誤り率を比較したところ,両曲線が極めて類似することが明らかとなった.したがって,MEF尺度を用いることにより,高い信頼性で汎化誤り率を最小にするルール集合の選択が可能になると期待できる.
- 1992-05-15
著者
関連論文
- MV正則化を用いたニューラルネットモデル簡素化
- 「ニューロラルな視点からの挑戦」へのコメントと回答
- 交差検証誤差最小化によるSV回帰ハイパーパラメータ最適化の高速化
- 確率的混合部分空間法 : 混合因子分析を用いたパターン認識法
- 内部状態制約を考慮したリカレントニューラルネットワークの学習
- 確定的アニーリングEMアルゴリズム
- リカレントネットによる有限状態機械の適応的βスケジュール学習法
- アフィン神経力学系の一意表現
- 一般化受理確率関数を備えた確率的局所探索法による多目的最適化
- 混合モデルのための併合分割操作付きEMアルゴリズム