Learning and Detecting Concept Drift(Concept Driftの学習と検出に関する研究）

摘要

大量のデータから入出力関係や知識表現を抽出する機 械学習は，現在の高度情報化社会を支える基盤技術のーつに まで成長した。しかし，順次与えられるサンプルを追加的に 学習するオンライン学習，特に学習対象のもととなる統計的 な性質が時間とともに変化するconceptdrift 環境下での学 習については未だ多くの課題が残されている． さまざまな分 野において，幾多の変遷を経ながら大量に創出され続ける データを処理する必要性が高まっているため，逐次的追加 的に学習可能な，そして高い順応性をもったシステムが今後 より一層必要となるであろう． そこで我々は，まず。複数のクラス分類器を統合して使 用する手法をconceptdriftの学習と発見に応用したACE ( adaptie classifiers ensemble ）システムを提した． 次に， 統計的検定を利用してconcept drift o)5&生を検出するSTEPD 手法と，これを利用してconcept driftの学習を行うTood（two online classifiers system for learning and detecting concept drift)システムを提案した。最後に，人間が行う変化検出 に関する知見を基にLID (leakyintegrate-and-detect）シス テムを提案した． 本論文はこれらの学際的な研究によって， concept driftを扱うオンライン学習システムがもつべき能力 を実現するために必要な要素技術の構築を行ったものである．