ノイズを含む事例からのルール抽出 : RF3アルゴリズム

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