クラス不均衡データに対するミシガン型ファジィ遺伝的機械学習

• 西原 光洋

  大阪府立大学

• 増山 直輝

  大阪府立大学

• 能島 裕介

  大阪府立大学

• 石渕 久生

  南方科技大学

書誌事項

タイトル別名

• Michigan-Style Fuzzy Genetics-Based Machine Learning for Class Imbalance Data

抄録

近年，医療や金融など識別結果に対する根拠が求められる分野において，識別器の解釈可能性が盛んに議論されている．ファジィ遺伝的機械学習は，解釈性に優れた識別器を設計する手法の一つである．一方で，クラス不均衡なデータにおいて，少数派クラスの高い識別性能が要求される場合がある．このとき，ファジィ遺伝的機械学習により生成される識別器は，少数派クラスの識別性能が他クラスより低下する．本研究では，少数派クラスの識別性能を向上させるために，ファジィ遺伝的機械学習に対して4つの変更を行う．1) ルールの評価関数にクラス毎のパターン数による重み付け，2) ルール集合の評価にクラス毎の識別精度の調和平均を利用，3) ヒューリスティックルール生成のベースパターンをクラス毎の識別精度を基に選択，4) ルール後件部にクラス間のパターン比率による重み付け．数値実験では，各変更が識別性能に与える影響を調査し有効性を示す．

収録刊行物

• 知能と情報

  知能と情報 33 (1), 525-530, 2021-02-15

  日本知能情報ファジィ学会

キーワード

• ファジィ識別器
• 遺伝的機械学習
• 不均衡データセット

詳細情報

• CRID: 1390850092192405504
• NII論文ID: 130007986490
• DOI: 10.3156/jsoft.33.1_525
• ISSN: 18817203
• ISSN: 13477986
• Web Site: https://www.jstage.jst.go.jp/article/jsoft/33/1/33_525/_pdf
• 本文言語コード: en
• データソース種別:
  • JaLC
  • Crossref
  • CiNii Articles
  • KAKEN
• 抄録ライセンスフラグ: 使用不可