重要なTraining Dataを進化させるための効果的な方法

摘要

我々の研究グループは以前、訓練データを進化させ、その結果から小さくて理解しやすい決定木を生成する方法を提案した。 この方法の最大の問題は計算量が大きくなることである。 その一因として、世代更新数が大きいことが挙げられる。どの程度進化させるかがわからない場合は、通常多めに世代更新数を設定する。 この問題を解決するために、本論文では、validation setを基にした改善策を提案する。 主な考え方としては、validation setを使って進化の度合いを客観的に評価し、適切な時点で進化を停止するということである。 こうすれば、訓練データに対するエラーは多少犠牲になるが、汎化能力を下げることなく、早い段階で進化を終了することができる。 いくつかの公開データベースを用いて実験をし、本手法の有効性を確認した。