汎用性獲得のための統計的ラフ集合手法によるルール導出法の改善と判別問題への適用

使用统计粗糙集方法改进规则推导方法以获得判别问题的通用性和应用

基本信息

批准号：
20K11937
负责人：
加藤裕一
金额：
$ 1.83万
依托单位：
Shimane University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

決定表と呼ばれるデータベースに潜む因果関係をif-thenルール形式で推定する手法として，申請者はSTRIMが提案した．この手法は，従来のラフ集合理論の下近似・上近似集合を利用したルール導出法を，統計的観点から有意水準を有するルール導出法に改善したものである．R4年度の前半では，シミュレーション実験を中心に，従来のSTRIMをBayes的手法から見直しBayesian STRIMへと発展させた．この手法により、適切なデータサイズが確保できれば、予め設定したルールを過不足なく推定できる目途が付いた．後半では，実データ（楽天トラベルデータ）への適用を目指した．実データは，シミュレーションデータと異なり，多くの汚れたデータを含んでいる．このため，有意水準を満たさないルールも含み判別実験を実施してRandom Forest(RF)と同等以上の判別成績を出力するexpanded STRIM(ex-STRIM)を提案した．推定したルールをベースにした判別実験はルール推定成績の目安である（実データである為，真のルールが何か分からない）．一方で木構造をベースにBootstrap法を利用するRFは，人間に理解できるどの様なルールも導出できない為，意思決定利用に多くの不安が付きまとう．更にex-STRIMが含む主要な幹，枝，葉となるルールに整理して，人間の意思決定に利用できる考察をしている．このような考察を国内外の学術雑誌に現在投稿中である．国内誌からは4月4日付けで採録通知を受け取っている．

申请人提出 STRIM 作为一种以 if-then 规则的形式估计隐藏在称为决策表的数据库中的因果关系的方法。该方法将传统的利用粗糙集理论中的下近似集和上近似集的规则推导方法改进为从统计角度具有显着性水平的规则推导方法。 R4上半年，我们以模拟实验为重点，将传统的STRIM从贝叶斯方法进行了修改，发展为贝叶斯STRIM。通过这种方法，如果我们能够保证适当的数据大小，我们就可以期望能够估计出预设的规则，不存在过多或不足。下半年，我们的目标是将其应用于实际数据（乐天旅行数据）。与模拟数据不同，实际数据包含大量脏数据。为此，我们进行了包含不满足显着性水平的规则的分类实验，并提出了扩展STRIM（ex-STRIM），其输出相当于或优于随机森林（RF）的分类结果。基于估计规则的判别实验是规则估计性能的指南（因为是真实数据，我们不知道真正的规则是什么）。另一方面，基于树结构并使用Bootstrap方法的RF无法导出任何人类可以理解的规则，因此对其在决策中的使用存在很多担忧。此外，我们组织了 ex-STRIM 中包含的主干、分支和叶子规则，并考虑如何将它们用于人类决策。我们目前正在向国内和国际学术期刊提交这些考虑因素。 4月4日收到国内某杂志的录取通知书。