研究課題
学習データに含まれる矛盾の尺度Similar Case Inconsistency Level (SCIL)の定義を与えた．SCILは，データセット中に1つの目的変数が予め指定されることが前提となっており，「与えられた目的変数についての分析や予測を行う」という目的に対し，データセットの品質を評価するための尺度である．SCILの定義にあたって，まず，2つの個体の説明変数の類似度の尺度であるnormalized rank of relative similarity (NRRS)を定義した．NRRSの定義に基づいて，矛盾する個体のペアの定義を与え，全ての個体のペアの数に対する矛盾するペアの割合としてSCILを定義した．6つのソフトウェア開発プロジェクトから得られた54件のデータセットを用いて，2種類の目的変数に対するSCILの評価実験を行った．評価実験では，目的変数を予測するモデルとして，線形回帰，決定木，ランダムフォレストを採用し，モデル構築の前処理として対数変換を行った．実験の結果，SCILを算出する際に用いる距離尺度としてユークリッド距離を採用した場合に，SCILの値と予測モデルの精度が強い相関を示した．このことから，データセットを用いて予測モデルを構築する前に，SCILによりデータセットの品質を評価することの有効性が示されたと考えている．．また，機械学習システムの評価に用いる試験用データセットを人工的に生成する方法についても検討を進めた．変数間の相関，回帰式の再現に加えて，データの歪度を再現することで，より実際のデータに近い人工データを生成できることを確認した．
2: おおむね順調に進展している
「学習データに含まれる矛盾の度合いによって，学習データの品質評価を可能とする」という研究目的について，矛盾の尺度であるSCILを定義し，一定の評価結果を得ることができた．また，「機械学習システムのための試験用データ生成」という研究目的についても，データの歪度を考慮した生成法を開発した．以上より，おおむね順調に進展しているといえる．
データセットに含まれる矛盾の定量化方法については，従来手法との比較やデータ前処理方法の影響の分析を進めていく予定である．データセット生成方法については，生成されたデータの評価を進めていく予定である．
すべて 2022 2021
すべて 雑誌論文 (2件) (うち査読あり 1件) 学会発表 (1件)
コンピュータソフトウェア
巻: 38 ページ: 4_46-4_52
Proc. 22nd IEEE/ACIS International Conference on Software Engineering, Artificial Intelligence, Networking and Parallel/Distributed Computing
巻: 1 ページ: 1-6
