パターン認識におけるAdaBoostの予測誤り率改善に関する一考察

概要

論文の詳細を見る
AdaBoost はパターン認識において用いられるアルゴリズムで,逐次的に学習データに対する誤差が最小になるようにモデルを構成する.しかしながら,新たなデータに対する予測を考えるとき,学習データに対する誤差が最小であるモデルが適切とは限らない.それに対し,特に線形回帰の分野では様々な正則化法や変数選択法が研究されている.変数選択法のうちの変数増加法の 1 つとして Stagewise がある.Stagewise は各反復において変数を 1 つ選択する.このとき,それに対応するパラメータを誤差関数が最小になるように増加させるのではなく,わずかにパラメータが増加するよう更新を行うアルゴリズムで,予測誤り率を改善することが知られている.AdaBoost のモデルを線形回帰のモデルと比較して考えると AdaBoost は変数増加法とみなすことができる.本研究では,AdaBoost において Stagewise の考え方を適用することで,新たなデータに対する予測誤り率の改善について検討する.
2014-08-25