6Q-06
データドリフト対処のためのAdversarial Validationを用いたデータ選択指標の評価
○今野由麻(お茶の水女子大),中野美由紀(津田塾大),小口正人(お茶の水女子大)
Adversarial Validationは,機械学習において学習データとテストデータの分布の違いを検出する手法であり,より性能の良いモデルを学習するために用いられる.先行研究として,Adversarial Validationをデータドリフト対処のために利用し,教師あり機械学習モデルを更新して時系列データの予測をバッチ単位で行う枠組みが提案されている.その特徴量選択に注目した先行研究の枠組みを応用して,我々はこれまでにデータ選択を行う枠組みを提案してきた.本研究では,データ選択手法で利用するデータの選択指標について,人工ドリフトデータセットを用いた検討を行う.