| 研究課題/領域番号 |
20K21815
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
鷲尾 隆 大阪大学, 産業科学研究所, 教授 (00192815)
|
|---|
| 研究期間 (年度) |
2020-07-30 – 2023-03-31
|
| キーワード | 機械学習 / 分類器 / 回帰式 / 教師無し学習 / UUC学習 / 非結合回帰 / クラス事前分布推定 / ガウス過程回帰 |
|---|
| 研究実績の概要 |
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教師信号が得られないことが問題となっている。従来、この問題に対し、教師ラベル付少数事例集合とラベル無事例集合を用いる半教師あり学習や、正事例集合とラベル無し事例集合を用いるPUC手法など、部分的に教師ラベルや目的変数値が与えられる場合に適用可能な手法が研究されてきた。これに対し近年、教師ラベルが陽に与えられない場合について、正負例割合の異なる２つのラベル無し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が知られていない大量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。しかし、何れも事例集合中の正負例の割合や目的変数値の分布など、教師信号の分布が予め知られていることを前提としている。現実のビッグデータでは教師信号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、真の教師ラベルや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、(1)教師ラベルや目的変数値が知られていないデータから教師信号の分布を推定する手法の研究、(2)教師分布の情報が与えられなくても学習可能な手法の研究、さらに(3)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でいる。令和２年度までに(1)及び(2)の手法の開発を行っており、令和３年度はさらにより幅広い機械学習・深層学習手法を利用可能な(2)の手法を行った。(3)についてもコロナ禍の状況下で研究が十分進まず、一部、積み残しとなった。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
本研究においては、(1)教師ラベルや目的変数値が知られていないデータから教師信号の分布を推定する手法の研究、(2)教師分布の情報が与えられなくても学習可能な手法の研究、さらに(3)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という３つの研究項目に取り組んで来たが、(1)(2)については令和２年度までに大半の研究を済ませているが、(3)については主に最終年度である令和３年度に取り組む予定であった。しかしながら、オンラインでの研究作業において研究者間の意思疎通が十分に取れず、一部遅れが生じてしまった。
|
| 今後の研究の推進方策 |
最終年度である令和３年度に取り組む予定であった研究項目(3)について、オンラインでの研究作業における一部遅れが生じたため、その分を令和４年度の延長して取り組むこととした。令和４年度において最終的な手法の完成と、その学会やジャーナル発表を目指す予定である。
|
| 次年度使用額が生じた理由 |
本研究計画における研究項目(3)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ついては主に最終年度である令和３年度に取り組む予定であった。しかしながら、オンラインでの研究作業において研究者間の意思疎通が十分に取れず、一部遅れが生じてしまった。そこで、令和４年度にこの研究項目について、未実施分の研究作業を行うため、次年度使用額を物品費や旅費、人件費謝金等に充てる予定である。
|
