6C-02
特徴訓練に基づいた分類器FTApproachの提案
○鄭 弯弯,金 明哲(同志社大)
SVM (Support Vector Machine)とRF (Random Forest)は優れているアルゴリズムを持ち、現時点の機械学習領域において最も推奨されている分類器である。SVMはすべての変数を考慮して分類を行うため、ノイズに影響されやすく、データの次元数が高い時、精度があまりよくない。一方、RFは個体と変数をランダムサンプリングするという点から、個体数と変数数が少ない時、精度があまりよくない。今研究は、SVMとRFの欠点を改善した特徴を訓練するモデルFTApproach (Feature Traning Approach)を提案することを目的とする。