5C-1
クラス所属確率を用いた多クラスSVMにおけるアンサンブル学習
○高橋和子(敬愛大)
本稿では、多クラスのサポートベクターマシン(SVM)における
分類精度のさらなる向上を目的に、分類器が予測クラスとともに出
力する分類スコアからクラス所属確率を推定して利用するアンサン
ブル学習を提案する。まず、リサンプリングにより複数の分類器を
構築する。次に、未知の事例に対して各分類器が予測したクラスに
対し、付随して出力される分類スコアを複数個用いてクラス所属確
率を推定する。最後に、事例ごとに、最も高いクラス所属確率をも
つ分類器を選択し、その分類器が予測したクラスを最終決定とする。
提案手法を性質の異なるデータセットに適用した結果、クラス分布が
偏っている場合でも分類精度が低いほど有効性が高かった。