6J-3
オンライングラフティングのアンサンブル学習
○大井健吾,二宮 崇(愛媛大)
機械学習における識別モデルの特徴関数は人手による試行錯誤で設計されているが、数十万から数百万に及ぶ特徴関数を人手で発見・制御することは非常に困難な作業となっている。本研究は、特徴関数を逐次的に選択・構築しつつ目的関数を最適化するオンライングラフティングに対するアンサンブル学習の研究を行う。グラフティングは一般に、訓練データに対する過学習の問題が知られているが、アンサンブル学習により高精度かつ汎化性能の高い学習を行う。このモデルを用いた実験、評価を行う。