| 講演抄録／キーワード |
| 講演名 |
2006-03-15 14:30
ベイジアンネットワークモデルの構造学習におけるMDL規準の改善提案
○黒川茂莉・櫻井彰人（慶大）・小野智弘（KDDI研）・本村陽一・麻生英樹（産総研） |
| 抄録 |
（和） |
ベイジアンネットワークモデルの構造学習におけるモデル選択規準として，しばしばMDL規準が用いられている．ところが，MDL規準は親ノードの状態の組み合わせ数に対してデータ数が少ない場合は，モデルの複雑さに対するペナルティ項が過大となってしまうという問題点が指摘されている．本稿では，ペナルティ項を改善した拡張MDL規準を提案し，MDL原理に基づいた導出を示す．さらに，複数の選択規準による構造学習の比較実験の方針を示す． |
| （英） |
Minimum Description Length(MDL) criteria is generally used as model selection criteria for model construction in Bayesian Network. However, it has been pointed out that the penalty term in MDL criteria for the model complexity is too large when data is small in number compared with the number of combinations of states of the parent nodes. In this paper, we propose a modified MDL with better penalty terms and derive it based on MDL principle. We also show a plan of experimental evaluation by comparing it with a few commonly used criteria. |
| キーワード |
（和） |
ベイジアンネットワーク / モデル選択 / MDL規準 / / / / / |
| （英） |
Bayesian Network / Model Selection / MDL / / / / / |
| 文献情報 |
信学技報, vol. 105, no. 657, NC2005-122, pp. 97-101, 2006年3月. |
| 資料番号 |
NC2005-122 |
| 発行日 |
2006-03-08 (NC) |
| ISSN |
Print edition: ISSN 0913-5685 |
| PDFダウンロード |
|