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

随机森林变量重要性质量改进方法的开发及其应用

• 批准号: 22K12193
• 负责人: 木村 周平
• 金额: $ 1.83万
• 依托单位: Tottori University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2026-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K12193/
• 关键词: ランダムフォレスト; 変数重要度; 遺伝子ネットワーク同定; 重み付け

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．

这项研究旨在调查当在随机森林（一种人工智能技术）中偏向训练数据时可变重要性质量的主要原因的原因，并开发一种避免绩效恶化的方法。今年，我们对人为造成的问题进行了一项调查，该调查涉及偏见的输入数据对随机森林中可变重要性的影响。结果，尽管已经获得了一些发现，但尽管在许多情况下，在搜索区域边缘的某个点上存在可变的重要性会降低可变重要性的质量，但即使在许多情况下，在搜索区域的中心上有很多偏见，搜索区中心并没有降低搜索区域的偏见，但对此没有任何论文。关于这一点，我们目前正在准备提交论文。另一方面，我们研究了一种适当加权每种训练案例的方法，以避免重要性恶化。为了减少主要研究者所处理的遗传网络识别中有偏见的输入数据的影响，已经开发了该方法的应用来自动加权输入数据中的每种情况。结果是在IEEE生物信息学和计算生物学的IEEE计算智能会议上提出的。我们认为，这种加权方法也可以用作减少其他一般问题中偏见输入数据影响的方法。我计划写另一篇有关加权技术在一般问题中的应用的论文。

项目成果

Inference of Genetic Networks using Random Forests: A Quantitative Weighting Method for Gene Expression Data

• DOI: 10.1109/cibcb55180.2022.9863035
• 发表时间: 2022-01-01
• 期刊: 2022 IEEE CONFERENCE ON COMPUTATIONAL INTELLIGENCE IN BIOINFORMATICS AND COMPUTATIONAL BIOLOGY (IEEE CIBCB 2022)
• 作者: Kimura，Shuhei;Sota，Kazuki;Tokuhisa，Masato
• 通讯作者: Tokuhisa，Masato