[2P3] 機械学習-分類問題

[2P3-02] 条件付き周辺尤度を用いたベイジアンネットワーク分類器学習

〇菅原 聖太¹、宇都 雅輝¹、植野 真臣¹ (1. 電気通信大学)

キーワード：ベイジアンネットワーク、分類問題、構造学習、識別モデル

ベイジアンネットワーク分類器（Bayesian Network Classifier: BNC）は仮定が少なく分類精度の高いモデルである．
BNCの構造学習スコアとして，Minimum Description Length（MDL）の対数尤度項を条件付き尤度に置き換えたConditional MDL（CMDL）が知られている．
CMDLスコアは条件付き周辺尤度（Conditional Marginal Likelihood: CML）の近似として解釈できるが，CMDLがCMLの高精度な近似である保証はなく，数学的なスコアの意味も明確ではない．
本論では，CMLを定義し，それを実時間で計算可能なように直接近似したapproximate CML（aCML）を学習スコアとして提案する．
aCMLはCMLの直接の近似であり，分類精度の向上が期待できる．
また，CMDLの計算時に行われる勾配法によるパラメータ推定が必要ないため，学習時間の大幅な減少が期待できる．
さらに，リポジトリデータを用いた実験により，CMDLよりもaCMLを用いたほうが学習時間が少ないことと，aCMLスコアの分類精度の有意性を示す．