分岐ノードにおけるクラス間の分布を考慮した Random Fbrests の高精度化

摘要

近年，パターン認識の分野において，大規模なデータベースから効率良く識別器を構築できるRandom Fbrests が多く利用されている．Random Fbrests では，決定木の分岐関数の選択において分岐したサンプルの情報利得により評価している．しかし，情報利得はクラスの生起確率に基づいて算出されるため，分岐関数のしきい値とサンプルの分布の関係性が考慮されていない．そのため，分岐関数のしきい値とクラスが近く分布している場合，未知入力サンプルとしきい値の関係が反転し誤識別する可能性がある．そこで，本研究ではサンプルの分布に着目し，クラス間の距離を評価するために分離度を導入する．これにより，しきい値とクラス聞が離れて分布するような汎化性能の高い分岐関数を選択できるため識別性能の向上が期待できる．