| 研究概要 |
本研究の目的は,各種学習に基づく興味深い例外を巨大データから統一的に発見するデータマイニング手法を研究開発し,実データを用いた実験によって手法の有効性を実証することである.
平成13年度においては,次の3点を行なった.(1)サポートベクターマシン,花つき決定木,例外ルール発見,およびブースティングなどに基づく例外発見手法の開発整備.大量データへの対処法としては,主にデータ圧縮について研究した.(2)開発した例外発見手法の実験評価.共通問題を用いた知識発見手法の組織的評価の場であるデータマイニングコンテストについての総括も行なった.(3)統一的例外発見手法の計画検討.発見基礎論として,ルール発見の新しい最悪解析も行った.
平成14年度においてはまず,各例外発見手法を統合して統一的例外発見手法を開発し,計算機上に実装した.統合に際しては前年度の実験結果を考慮し,発見知識の有用性と手法の効率性の両立を目指した.統一的手法の開発においては,必要に応じて各例外発見手法を改良した.予備実験の結果により,昨年度に開発整備した例外発見手法の内,例外ルール発見手法とブースティングに基づく異常値発見手法を用いる統一的例外発見手法を,最終システムとした.年度の後半においては,実装した統一的例外発見手法を整備した巨大データに適用する最終実験を行った.
|
