ルール生成による不完全情報表からの機械学習とその応用

2023 年度 研究成果報告書

• 研究課題/領域番号: 20K11954
• 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61030:知能情報学関連
• 研究機関: 九州工業大学
• 研究代表者: 酒井 浩 九州工業大学, 大学院工学研究院, 教授 (60201513)
• 研究期間 (年度): 2020-04-01 – 2024-03-31
• キーワード: 表データ解析 / ルール生成 / 不完全情報 / NIS-アプリオリアルゴリズム / 欠損値補完 / データマイニング / ルール生成による機械学習 / ラフ集合と粒状計算

研究成果の概要

実装しているNIS-アプリオリ法(不完全な情報表NISから確実ルールを生成する)を利用して，表データにおける欠損値補完の手法を研究した．対象xの属性Aが欠損値である場合，属性Aを決定属性にした確実ルールを生成し，xにヒットした最も強い確実ルールの結論部で欠損値を補完する．本枠組みは従来に無い手法と考えられ，そのための新たな実行環境を実現した．交差検証による実験では，一様に都合のよい補完を得なかったが，属性Aへの強い依存関係を有する属性がある場合には高い精度で真値を補完できた．UCIのCongressional Votingデータでは強い確実ルールが存在し，精度93％で真値を補完できた．

自由記述の分野

データサイエンス

研究成果の学術的意義や社会的意義

表データにおける欠損値の問題は古くから取り上げられており，主に統計的な手法が用いられる．しかし，表データがカテゴリカルな値を持つ場合，例えば血液型データのように平均や分散などの統計量が明確にならないことも考えられる．今回提案している欠損値補完法はカテゴリカルな値を研究対象にしており，統計的手法にはなじまない場合の新たな欠損値補完法に繋がると考えられる．