講演抄録/キーワード |
講演名 |
2018-06-13 10:25
高次元データのスペクトラルクラス分類における特徴量スケーリング ○松田萌望・保國惠一・今倉 暁・櫻井鉄也(筑波大) IBISML2018-2 |
抄録 |
(和) |
本稿では,高次元データのクラス分類問題を考える.データの一部のラベル情報を使って特徴量のスケールを調整するための因子(スケーリング因子)を固有ベクトルの要素として持つような矩形固有値問題を定式化する.これを解いて得られるスケーリング因子をデータ全体に施すことで精度の良い分類を実現するようなスペクトラルクラス分類手法を提案する.遺伝子発現データを用いた数値例を示す. |
(英) |
We consider the classification problem for high dimensional data. Using prior knowledge on the labels of partial samples, we formulate an eigenvalue problem of a linear matrix pencil whose eigenvector has factors (scaling factors) for aggressively modifying the scales of the features. We propose a spectral classification method that realizes high classification accuracy by applying the scaling factors obtained by solving this eigenvalue problem to the whole data. We give numerical experiments for gene expression data. |
キーワード |
(和) |
データマイニング / 教師あり学習 / 次元削減法 / 分類問題 / / / / |
(英) |
data mining / supervised learning / dimensionality reduction / classification problem / / / / |
文献情報 |
信学技報, vol. 118, no. 81, IBISML2018-2, pp. 9-14, 2018年6月. |
資料番号 |
IBISML2018-2 |
発行日 |
2018-06-06 (IBISML) |
ISSN |
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 |
IBISML2018-2 |