2023 Fiscal Year Annual Research Report
Study on fast and accurate classifier learning method from unlabeled big data
| Project/Area Number |
20K21815
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
鷲尾 隆 大阪大学, 産業科学研究所, 教授 (00192815)
|
|---|
| Project Period (FY) |
2020-07-30 – 2024-03-31
|
| Keywords | 弱教師有り学習 / 機械学習 / 分類器 / 回帰式 / クラス事前確率 / 非結合回帰 |
|---|
| Outline of Annual Research Achievements |
近年、ビッグデータから分類器や回帰式を学習するニーズが増しているが、データ収集の制約やコストから目的変数値が教師信号として得られ難いことが問題となっている。これに対し近年、目的変数値無し事例集合とその目的変数値の分布情報のみが与えられる場合に、正負例割合の異なる２つの事例集合から分類器を学習するUUC手法や、事例間の目的変数値の大小関係のみが知られた事例集合と目的変数値無し事例集合から回帰式を学習する非結合回帰手法が提案されている。何れも事例集合中の正負例の割合など目的変数値の分布が予め知られていることを前提としている。しかし、現実のビッグデータでは目的変数値の分布が知られていることは少なく、これらの手法を実適用する上で障害となっている。さらに、真の目的変数値が全く得られない条件で、如何に学習した分類器や回帰式の精度や不確実性を評価するかも問題である。
そこで本研究では令和４年度までに、(1)目的変数値の分布が知られていないデータから分類器や回帰式を学習する手法の研究、さらに(2)教師信号無しに学習した分類器や回帰式の精度・不確実性を評価する手法の研究に取り組んだ。しかしながら、これらアルゴリズムの最終的な性能検証作業が積み残しとなった。
そこで令和５年度は、これら(1)(2)のアルゴリズムの性能検証を実施した。その結果、(1)については目的変数値の分布推定を行う分類・回帰手法と目的変数値の分布を用いない分類・回帰手法を確立し、その実装アルゴリズムが十分な性能を有することを確認した。また、(2)について分類器・回帰式の精度や不確実性を定量的に評価可能であることを確認した。
|
