講演抄録/キーワード |
講演名 |
2009-03-13 15:20
アンサンブル型最小分類誤り学習の提案 ○渡辺秀行(NICT/ATR)・片桐 滋・山田幸太(同志社大)・中村 篤・マクダーモット エリック・渡部晋治(NTT)・谷口真一・西島奈甫・大崎美穂(同志社大) PRMU2008-250 |
抄録 |
(和) |
統計的パターン認識における究極の目標であるベイズ誤り推定との一貫性を持ちながら複数の弱分類器を統合する,アンサンブル型の最小分類誤り(MCE)学習法を提案する.まず、アンサンブル型学習法として注目を浴びているブースティングの,損失最小化としての最適性およびベイズ誤り推定との関連を述べる.そしてMCE学習の基本概念を概説し,損失最小化の解析を通して,ブースティングとMCEとの密接な関連性を明らかにする.その上で,一般的な多クラス分類におけるベイズ誤り推定と一貫したアンサンブル型学習法である,アンサンブル型最小分類誤り(Ensemble-based MCE)学習法を提案する. |
(英) |
We propose an ensemble-based minimum classification error (MCE) training method to combine multiple weak classifiers in a manner consistent with the ultimate standard, Bayes error estimation. First, we discuss boosting, a key methodology of ensemble training, from the viewpoints of mathematical optimality for loss minimization and its relationship to the Bayes error estimation. We also review the basic concept of MCE training,
and elucidate the relationship between boosting and MCE by analyzing their loss minimization procedures. We then propose an ensemble-based training method named Ensemble-based MCE, which in principle leads to the Bayes error condition for a general multi-class task. |
キーワード |
(和) |
アンサンブル / 最小分類誤り / MCE / ブースティング / ベイズ誤り / / / |
(英) |
ensemble / minimum classification error / MCE / boosting / Bayes error / / / |
文献情報 |
信学技報, vol. 108, no. 484, PRMU2008-250, pp. 71-76, 2009年3月. |
資料番号 |
PRMU2008-250 |
発行日 |
2009-03-06 (PRMU) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
PRMU2008-250 |