ランダムフォレストにおける変数重要度の質改善方法の開発とその応用

点击翻译按钮获取中文摘要

本研究は，人工知能技術の一種であるランダムフォレストにおいて，偏りのある訓練データを与えて学習させた際に，変数重要度の質が大きく悪化する原因について調査すること，さらには性能悪化を回避する方法を開発することを目的としている．今年度は，ランダムフォレストにおいて，偏りのある入力データが変数重要度に及ぼす影響に関して人工的に作成した問題を対象に調査を行った．その結果，探索領域の端の一点に偏った事例が多く存在すると変数重要度の質が悪化するものの，探索領域の中央部の一点に偏った事例が多く存在しても変数重要度の質が悪化しないといった，幾らかの知見が得られたものの，そのことに関する論文はまだ未投稿である．なおこのことに関しては現在，論文を投稿準備中である．他方，変数重要度の悪化を回避する方法として，各訓練事例に適切に重み付けする方法を検討した．その適用先として研究代表者がこれまで扱ってきた遺伝子ネットワーク同定において，偏りのある入力データの影響を軽減するために，入力データ中の各事例に対して自動で重み付けを行うことのできる手法を開発した．その成果に関してはバイオインフォマティクスに関連する国際会議（IEEE Conference on Computational Intelligence in Bioinformatics and Computational Biology）において発表した．なお本重み付け手法は，他の一般の問題においても偏りのある入力データの影響を軽減するための手法として利用可能であると考えている．一般の問題への重み付け手法の適用に関して，別の論文として執筆することを予定している．