• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 前のページに戻る

XGBoostのブラックボックス性に対するルールベース・アプローチに関する研究

研究課題

研究課題/領域番号 24K15116
研究種目

基盤研究(C)

配分区分基金
応募区分一般
審査区分 小区分61040:ソフトコンピューティング関連
研究機関明治大学

研究代表者

林 陽一  明治大学, 理工学部, 専任教授 (20189666)

研究期間 (年度) 2024-04-01 – 2027-03-31
研究課題ステータス 交付 (2024年度)
配分額 *注記
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2026年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2025年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2024年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
キーワードXGBoost / 機械学習 / 説明可能AI / ルール抽出 / ルールベース
研究開始時の研究の概要


XGBoostの透明化を図るため近年、XGBoostを単一木で近似するXGB-BT(Forest-Based Tree)が単一木を合成する際に情報量が用いられるが、情報量はnominal(代表値)属性が多いと分類精度が低くなることが知られている。XGB-BTの場合はより大きなパラメータ空間を必要とするのでRe-RX grafting familyと比較して100倍以上の時間がかかることを数値実験で実証したい。また、逆にRe-RX grafting familyは時間的に遜色のない程度の速度でnominal属性を多数含むXGBoostを実行できる事を占めす。

URL: 

公開日: 2024-04-05   更新日: 2024-06-24  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi