Knowledge discovery method in large scale data using artificial missing values

2018 Fiscal Year Final Research Report

• Project/Area Number: 16K00316
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Research Field: Intelligent informatics
• Research Institution: Fukuoka Nursing College (2017-2018); Fukuoka Dental College (2016)
• Principal Investigator: Shimada Kaoru 福岡看護大学, 看護学部, 教授 (20454100)
• Project Period (FY): 2016-04-01 – 2019-03-31
• Keywords: 知識発見 / データマイニング / ソフトコンピューティング / 人工知能 / 欠損値

Outline of Final Research Achievements

In this study, we proposed a rule-based classification method that uses artificial missing values to improve the effectiveness and precision of data analysis. We apply artificial missing values to avoid the sharp boundary problem encountered when discretizing continuous variables. In discretization, we treat attribute values near the boundary as missing values. We evaluated the performance of the proposed artificial missing value-based classification method and our experimental results using medical data showed this method to be effective for classification. In addition, we obtained new knowledge that led to a method of applying artificial missing values to causal analysis and a method finding similar cases in a large scale data.

Free Research Field

知能情報学

Academic Significance and Societal Importance of the Research Achievements

判断根拠を解釈しやすいルールベース手法であること、予測・分類精度の向上や対応事例数の制御ができることなどから、予測・分類問題における信頼性・有効性の改善が望める他、情報の選択的利用への理解の深化が期待される。人間の発想に似た知識発見法の提案に係わる研究であり、人間に似た判断法という観点からの知能情報処理分野における波及効果が予想される。ビッグデータにおけるデータの取捨選択や構造理解を実現する基礎技術になりえること、実社会における判断支援システムへの応用が検討できることなど、実用的で発展性のある技術開発である。