| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2022-06-28 13:55 予測モデルにおけるLiNGAMを用いた特徴量選択 ○隅田大勇・竹川高志（工学院大）  NC2022-17 IBISML2022-17 |
|
| 抄録 | （和） | 機械学習モデルの精度を向上させるためには，使用するモデルの特徴，およびデータのドメイン知識を踏まえたうえで特徴量エンジニアリングを行うことが重要である．機械学習モデルを構築する者がデータのドメイン知識を深く理解していない場合は，関連する知見の調査が必要である．そもそも得られたデータの変数間の因果関係が不明である場合は，詳細な探索的データ分析を行う必要がある．本研究ではデータからそのデータの変数間の因果グ ラフを推定する統計的因果探索の手法である LiNGAM を用いた特徴量選択と交互作用項の生成を組み合わせることによって，予測モデルの精度を向上させることができた． |
| （英） | To improve the accuracy of machine learning models, it is important to perform feature engineering based on the features of the model used and the domain knowledge of the data. If the person building the machine learning model does not have a deep understanding of the domain knowledge of the data, a survey of relevant knowledge is necessary. If the causal relationships between variables in the obtained data are unknown to begin with, detailed exploratory data analysis should be conducted. In this study, we were able to improve the accuracy of the prediction model by combining feature selection and interaction term generation using LiNGAM, a statistical causal discovery method that estimates the causal graph between variables in the data. | |
| キーワード | （和） | 統計的因果探索 / LiNGAM / 機械学習 / 特徴量選択 / 交互作用項 / / / |
| （英） | Causal Discovery / LiNGAM / Machine Learning / Feature Selection / Interaction terms / / / | |
| 文献情報 | 信学技報, vol. 122, no. 90, IBISML2022-17, pp. 123-128, 2022年6月. | |
| 資料番号 | IBISML2022-17 | |
| 発行日 | 2022-06-20 (NC, 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 | NC2022-17 IBISML2022-17 |
|
| 研究会情報 | |
| 研究会 | NC IBISML IPSJ-BIO IPSJ-MPS |
| 開催期間 | 2022-06-27 - 2022-06-29 |
| 開催地（和） | 琉球大学50周年記念館 |
| 開催地（英） | |
| テーマ（和） | 機械学習によるバイオデータマイニング、一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2022-06-NC-IBISML-BIO-MPS |
| 本文の言語 | 日本語 |
| タイトル（和） | 予測モデルにおけるLiNGAMを用いた特徴量選択 |
| サブタイトル（和） | |
| タイトル（英） | Feature selection in prediction model by LiNGAM |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 統計的因果探索 / Causal Discovery |
| キーワード(2)（和/英） | LiNGAM / LiNGAM |
| キーワード(3)（和/英） | 機械学習 / Machine Learning |
| キーワード(4)（和/英） | 特徴量選択 / Feature Selection |
| キーワード(5)（和/英） | 交互作用項 / Interaction terms |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 隅田 大勇 / Taiyu Sumida / スミダ タイユウ |
| 第1著者 所属（和/英） | 工学院大学 (略称： 工学院大) Kogakuin University of Technology and Engineering (略称： Kogakuin Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 竹川 高志 / Takashi Takekawa / タケカワ タカシ |
| 第2著者 所属（和/英） | 工学院大学 (略称： 工学院大) Kogakuin University of Technology and Engineering (略称： Kogakuin Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-06-28 13:55:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IBISML |
| 資料番号 | NC2022-17, IBISML2022-17 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.89(NC), no.90(IBISML) |
| ページ範囲 | pp.123-128 |
| ページ数 | 6 |
| 発行日 | 2022-06-20 (NC, IBISML) |
[研究会発表申込システムのトップページに戻る]