疎な解を得られるカーネルマシンを用いたMultiple Instance Learning問題の一解法

摘要

Multiple Instance Learning problem (MIL) is roughly one of the classification problems. In generally classification problem, the traning set comprises words, which label is positive or negative , and the task is to predict the labels of unseen words with those similarity. The methods for general classification problem are Support Vector Machine (SVM), Logistic Regression and so on, and fast algorithems were developped. Moreover, the most of these methods are easy to use because they are packaged. In contrast, the packaged methods for MIL are very few, and because of the complication of classificatory criterion, they are worse than general classification methods with calculation amount. In this paper, we propose the framework of method for MIL using Sparse Kernel Machines by changing Basis Function comfiguration. In the proposed method, if the right keywords are estimated, it is rare to estimate the wrong keywords even if information of other words is insufficient.%Multiple Instance Learning問題（MIL）は，大枠ではクラス分類問題の一つである．一般的なクラス分類問題と言えば，＋または-のラベルが与えられた単語を学習し，新たな単語のラベルを，単語同士の類似性より推定するような問題である・これを解く手法として，Support Vector Machine（SVM）やロジスティック回帰などがあり，高速な手法も開発されている．またその実装も，パッケージ化されているものが多く，適用が容易である．それに対してMILの解法は，パッケージ化の例は少なく，また分類基準が複雑なため，一般的なクラス分類問題の解法に比べて計算量などにおいて劣る場合が多い．そこで本報告では，基底関数の構成方法を変更するだけで，MILをRelevance Vector Machine（RVM）などの疎な解を得るカーネルマシンで解けるようにする枠組みを提案する．提案手法では，正しいキーワードが推定できていれば，他の単語に対する情報が不十分であっても誤ったキーワードを推定しにくいということがわかった．