Machine Learning
口頭発表
Random Forestの寄与率を用いた効率的な特徴選択法の提案
- Author
- 三品陽平, 嶋崎克也, 藤吉弘亘
- Publication
- 画像センシングシンポジウム, 2013
Download: PDF (Japanese)
画像認識の問題では，識別器を構築する際に高次元ベクトルの特徴量が用いられることが多い．高次元な特徴量を用いると，学習速度の低下やモデルの可読性を低下させる原因となる．そのため，識別に有効な特徴次元を選択する手法として，Sequential Backward Selection(SBS)法が用いられている．しかし，ラッパー法であるSBS法は特徴選択する際に識別器の構築と評価を繰り返すために膨大な時間を要するという問題がある．そこで，本研究ではRandom Forestにおける特徴次元の寄与率を定義し，寄与率を用いた効率的な特徴選択法を選択する．評価実験より，提案手法は従来法のSBS法と比較し同等の削減率において，特徴選択時間を大幅に削減することができた．