情報処理学会 第81回全国大会講演要旨

信用リスクの予測などで機械学習手法を適用する際，予測した根拠が得られると好ましい場面が多く存在する．そのような予測の根拠が読み取れる連関分類器 (associative classifier) を構築するために，本研究では最近提案された識別パターン発見手法であるECHO (Exhaustive Covering in Hybrid Domains) を利用することを提案する．ECHOは離散属性だけではなく連続属性も扱うことができ，網羅的に複数の識別パターンを発見できるという利点がある．更に，本研究ではECHOを用いた分類器の評価の結果を報告する．提案手法の分類器はscikit-learn準拠モデルとして実装されている．評価実験ではアンサンブル学習器であるランダムフォレストを比較対象の軸として，予測精度や実行時間などを比較した．