誤り訂正符号を用いた並列調整に基づくAdaBoostによる分類性能の安定性

摘要

多クラス分類を行う分類器のひとつに誤り訂正出力符号（Error-Correcting Output Codes：ECOC）を用いたAdaBoostがある．AdaBoostは，複数の弱仮説と呼ばれる分類器を逐次的に学習していく手法である．しかし，この手法は，符号の重複などによる学習の早期終了により分類精度がばらつくという問題がある．そこで，弱仮説の数を固定し，複数の弱仮説を同時並列的に学習を行うAdaBoost.PAOC.compositeを提案した．この手法は，ひとつの複合仮説と呼ばれる多出力分類器の各出力を弱仮説とみなし，調整を行う手法であるため，各弱仮説がそれぞれ協調し，分類結果のばらつきを抑える効果が期待される．この手法と，従来手法，通常の多出力分類器との比較を実験にて行った．実験により，従来手法と通常の多出力分類器と比較して，同等の分類精度を達成しつつ，そのばらつきを抑える効果があることを確認した．