多クラスSVMにおけるクラス所属確率を用いたアンサンブル学習の提案
スポンサーリンク
概要
- 論文の詳細を見る
本稿では, 多クラスのSVM(サポートベクターマシン)における分類精度のさらなる向上を目的に, 分類器が予測クラスとともに出力する分類スコアからクラス所属確率を推定して用いるアンサンブル学習を提案する. 提案手法では, まず複数の分類器を構築し, 次に未知の事例に対して各分類器が予測したクラスに付随して出力される分類スコアを複数個用いて, 予測クラスに対するクラス所属確率を推定する. 最後に,事例ごとに最も高いクラス所属確率をもつ分類器を選択し, その分類器が予測したクラスを最終決定とする. 提案手法を性質の異なる2つのデータセットを用いた9つのタスクに適用した結果, 分類精度が低い場合ほど有効性が高かった. また, 分類器の数が少ない場合にも有効であった.
- 2011-05-09
著者
関連論文
- 複数の分類スコアを用いたクラス所属確率の推定
- 素性選択によるアンサンブル学習に関する一考察(機械学習・応用)
- 分類スコアに基づいたクラス事後確率の推定(コーパス, 学習, 対話, 要約)
- 機械学習とルールベースの組み合わせによる自動職業コーディング
- ルールベース手法と機械学習による自由回答の分類 : 職業コーディング自動化の方法(非定型データ分析の可能性)
- 機械学習とルールベースによる職業コーディング(テキスト検索,分類)
- 職業・産業コーディング自動化システムの活用
- 3. 自由回答データの分析 : 格フレームによる産業・職業コーディング自動化システムを中心として : 第68回 行動計量シンポジウム (日本行動計量学会活動報告)
- 格フレームによる自由回答のコーディング自動化 : 職業コーディングの自動化システム
- 格フレームによる自由回答のコーディング自動化システム
- 格フレームによる自由回答のコーディング自動化システム
- 格フレームによる自由回答のコーディング自動化システム
- コンピュータによる自由回答の処理方法
- S9-2 自然言語処理によるSSM職業コーディング・システムについて
- 自由回答法における構造化支援システムの開発について
- 質的デ-タの解析に関する一考察--政治意識調査における自由回答法の分析
- 多クラスSVMにおけるクラス所属確率を用いたアンサンブル学習の提案
- 多クラスSVMにおけるクラス所属確率を用いたアンサンブル学習の提案
- 職業コーディング支援システム(NANACO)の開発とJGSS-2003における適用