[4A3-J-1] 基礎・理論: 生命と知能の基礎モデル

[4A3-J-1-05] 半教師ありブースティングの多値分類への拡張法

〇阪井 優太¹、安井 一貴¹、三川 健太²、後藤 正幸¹ (1. 早稲田大学、2. 湘南工科大学)

キーワード：半教師あり学習、ブースティング、多値分類、アンサンブル学習

近年、少数のラベルありデータだけでなく、多数のラベルなしデータを用いてテストデータを正しいカテゴリに分類する半教師あり学習が注目を集めている。 しかしながら、半教師あり学習ではラベルありデータの分布に偏りがあることで分類精度が悪くなる可能性があるという問題がある。この問題を解決するための半教師あり学習法の一つとしてSemiBoostが存在する。 SemiBoostは半教師あり二値分類手法であり、多値分類に直接拡張することができない手法である。 本研究では、誤り訂正出力符号（ECOC）法の概念を用いて、多値分類のためのSemiBoostを拡張する方法を提案する。 また提案手法の有効性を検証するために、UCI機械学習リポジトリを用いてシミュレーション実験を行った。