研究概要 |
本研究ではアンサンブル学習アルゴリズムに関する研究を行った.特にECOCに基づく多値判別,順序付きラベルデータ,レーティングデータを対象に新たなアルゴリズムの提案と解析を行った.ECOCに基づく多値判別では,ブラッドリー-テリーモデルに基づく従来の2値判別器統合法の問題点を解決する枠組みを提案することで,計算量を大幅に削減しつつ従来法を上回る性能を達成した. 順序付きラベルデータに関しては,従来直接最適化を行う事が困難であったAUCを最大化可能なブースティングアルゴリズムを提案し,その統計的性質を明らかにした.レーティングデータに関しては,行列因子化法に混合モデルを援用することでユーザーの個性を表現可能なモデルを提案し,大規模な実データに対してその有効性を示した.
|