決定木ブースティングアルゴリズムの解析
スポンサーリンク
概要
- 論文の詳細を見る
本研究はブースティングを用いた多値関数の学習アルゴリズムを解析する.ブースティングとは, 近似精度の低い学習仮説(弱学習仮説)を組み合わせて近似精度の高い学習仮説(強学習仮説)を構成するテクニックである.本研究では, 瀧本, 丸岡によって示されたアルゴリズムTOPDOWNを解析する.TOPDOWNは学習対象の多値関数f:X→{1, …, N}(N≥2)に対しfの弱学習仮説h:X→{1, …, K}をラベル付けしたノードを用いてK分木の決定木を構成する.瀧本, 丸岡はTOPDOWNの解析を行い, 出力する決定木の内部ノードの個数が(1/ε)^<K/γ>以上であれば, 決定木の訓練誤差がε以下になることを示した.ここでγは弱仮説のパラメータである.本研究では解析をより精密化し, 出力する決定木の内部ノードの個数は2(1/ε)^<1nK/γ>以上で十分であることを示す.
- 一般社団法人電子情報通信学会の論文
- 2000-11-10