Machine learning from incomplete information table by rule generation and its application

研究代表者はPawlakのラフ集合とAgrawalのアプリオリ法を融合し，(I) DIS-アプリオリ法 (通常の情報表(DISとよぶ)からルールを生成)と (II) NIS-アプリオリ法 (不完全な情報表 (NISとよぶ) から確実ルールと可能性ルールを生成) を提案・実現している．NIS-アプリオリ法によるルール生成は可能世界意味論に基づく体系であり，可能世界 (可能なDISを意味する) 数が10の100乗を超える場合も存在する．可能な全DISを列挙する手法では指数オーダーの計算が必要になり，ルールの生成は不可能と考えられる．本問題に対して研究代表者は，「可能世界中の特徴的な2つのDISを調べることによりルールを生成できる」ことを証明している．この計算手法は可能世界数に依存しない．実現したNIS-アプリオリはMammographicデータやCongressional Votingデータから容易に確実ルールと可能性ルールを生成した．2つのルール生成アルゴリズムはルール集合に対して健全かつ完全であり，ルールの見落としは無くルール以外の含意式を生成しない．本性質を有するマイニング手法は稀であり，論理の体系を継承していると考える．今回，「NISからのルールを生成・活用しながら，逐次的に真の情報表DISと真のルールを推定する手法」を提案する．これをルール生成による機械学習とよぶ．本手法は情報表の内容に依存しないため，表で記述される広範囲のデータに適応可能である．不完全な情報表のための今までに無い機械学習の確立とその応用を目指している．2022年度において，本手法の妥当性を保証する欠損値補完とその性質の確認を行った．本手法は表データにおける関数従属性を属性値の関係まで広げており，新たな定義になると考えられる．

研究代表者はPawlakのラフ集合とAgrawalのアプリオリ法を融合し，(I) DIS-アプリオリ法 (通常の情報表(DISとよぶ)からルールを生成)と (II) NIS-アプリオリ法 (不完全な情報表 (NISとよぶ) から確実ルールと可能性ルールを生成) を提案・実現している．NIS-アプリオリ法によるルール生成は可能世界意味論に基づく体系であり，可能世界 (可能なDISを意味する) 数が10の100乗を超える場合も存在する．可能な全DISを列挙する手法では指数オーダーの計算が必要になり，ルールの生成は不可能と考えられる．本問題に対して研究代表者は，「可能世界中の特徴的な2つのDISを調べることによりルールを生成できる」ことを証明している．この計算手法は可能世界数に依存しない．実現したNIS-アプリオリはMammographicデータやCongressional Votingデータから容易に確実ルールと可能性ルールを生成した．2つのルール生成アルゴリズムはルール集合に対して健全かつ完全であり，ルールの見落としは無くルール以外の含意式を生成しない．本性質を有するマイニング手法は稀であり，論理の体系を継承していると考える．今回，「NISからのルールを生成・活用しながら，逐次的に真の情報表DISと真のルールを推定する手法」を提案する．これをルール生成による機械学習とよぶ．本手法は情報表の内容に依存しないため，表で記述される広範囲のデータに適応可能である．不完全な情報表のための今までに無い機械学習の確立とその応用を目指している．2022年度において，本手法の妥当性を保証する欠損値補完とその性質の確認を行った．本手法は表データにおける関数従属性を属性値の関係まで広げており，新たな定義になると考えられる．