[3G1-GS-2g] 機械学習：分類

[3G1-GS-2g-04] クラス事前確率を用いたラベル無しデータからの分類器学習の性能解析

〇松本 瑞季¹、鷲尾 隆¹ (1. 大阪大学)

キーワード：クラス事前確率、ラベル無しデータ、分類器学習、経験リスク最小化

様々な分野においてビッグデータを分類するニーズが増えているが，ラベル付き事例集合を得ることが難しく，分類問題を教師あり学習法で解くことが困難である場合が多い．
　この問題を解決する手法として，ラベル無し事例集合のみを用いて分類器を構築する弱学習の１つであるUUC（Unlabeled-Unlabeled Classification）が挙げられる．UUCの先行研究として，クラス割合の異なる２つのラベル無し事例集合のみから，任意の2値分類器を経験損失最小化（ERM）によって学習する手法がある．この手法は様々な分類器を高精度に学習可能である一方，経験損失を求める際に学習事例集合のクラス事前確率を必要とする．しかし，ラベル無し事例集合のクラス事前確率は不明な場合が多く，ERMによるUUCの広範な適用を妨げている．
　そこで，本研究では，クラス事前確率を求める手法の１つである混合比率推定（MEP）を用いてラベル無し事例集合のクラス事前確率を推定した後，ERMによりUUC学習する場合の性能を解析した．