LINE Corp., profile picture
Uploaded byLINE Corp.
596 views

13.03.09_決定ルール解析のための頑健性指標

ソフトサイエンス研究会

Embed presentation

Download to read offline
決定ルール解析のための頑健性指標 大阪大学大学院 基礎工学研究科 大木基至 乾口雅弘 2013.03.09 第23回ソフトサイエンス・ワークショップ
Inuiguchi Lab. 2013.03.09 第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 1/20 00. 目次 01. 背景と目的 02. 準備 03. 頑健性指標 04. 非必須性指標 05. 数値実験 06. まとめ
Inuiguchi Lab. 2013.03.09 第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 2/20 01. 背景 • ラフ集合に基づく決定ルール（if-thenルール）解析の実問題 への応用が盛んに行われている 決定ルール：スポーツタイプ(c1)なら好き(1) 色彩系(a1)かつセダンタイプ(c2)なら好き(1) 決定表（自動車の選好データ） 条件部 結論部
Inuiguchi Lab. 2013.03.09 第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 3/20 01. 目的 • 一部の属性値情報が利用できなくなっても，推定精度を維持 できるルールが望ましい ⇒ 決定ルールの頑健性を定量的に測る指標の提案 抽出した n 個の決定ルール：r1，r2，r3，… ，rn 選好の推定に適用
Inuiguchi Lab. 2013.03.09 第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 4/20 02. 準備 決定表の表記 対象の集合U 全基本条件の集合A 決定属性値の集合D 決定ルールの表記 ES：基本条件集合，H：結論部 ：基本条件 R：決定ルールの集合
Inuiguchi Lab. 2013.03.09 第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 5/20 03. 頑健性指標：概念 決定ルールの頑健性とは •ルール条件部の一部が利用できなくなったときに，どの程度ル ールの良さを保てるか ∧ ∧ E1 E2 E3 ∧ ∧ E4 E5 H 抽出された二つのルール ∧ ∧ E1’ E2’ E3’ ∧ ∧ E4’ E5’ H E4 E4’ と が利用できなくなる 確信度：0.85 確信度：0.95 ∧ ∧ E1 E2 E3 ∧ ∧ E5 H ∧ ∧ E1’ E2’ E3’ ∧ ∧ E4’4 E5’ H E4 確信度：0.75 ⇒ 確信度を維持 確信度：0.30 ⇒ 確信度が減少
Inuiguchi Lab. 2013.03.09 第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 6/20 03. 頑健性指標：影響度 基本条件集合ESの一部PSが欠損した場合の影響度Eff • ： 結論部H における基本条件集合ESの評価関数 性質2. f は ならば、 ⇒ 単調性の性質。条件を減らせば、それだけ評価が悪くなる •評価関数 f は以下の性質を満たすものとして定める 性質1. f は ⇒ 決定ルールは正の値を取る ： の部分集合
Inuiguchi Lab. 2013.03.09 第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 7/20 性質2. ⇒ 単調性の性質。欠如する集合が大きいほど、影響度は大きい 性質1. ⇒ 影響度は最小値0, 最大値１を取る •f の性質より、影響度 Eff は以下の性質を満たす なら、 , •部分集合 PS が欠損することで、決定ルール ES → H の評 価値の減少量を表す 03. 頑健性指標：影響度 基本条件集合ESの一部PSが欠損した場合の影響度Eff
Inuiguchi Lab. 2013.03.09 第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 8/20 1. 期待値基準：影響度の平均を取る見方 2. メディアン基準：影響度の中央値を取る見方 03. 頑健性指標：6種類の基準 3. マキシミン基準：悲観的な見方 各基準に基づく頑健性指標 •不確実性の下での決定基準に基づき定義する •一つの基本条件が欠損する場合 P(e)：基本条件 e が利用できなくなる確率
Inuiguchi Lab. 2013.03.09 第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 9/20 03. 頑健性指標：6種類の基準 4. マキシマックス基準：楽観的な見方 6. フルビッツ基準：3と4の凸結合，中間的な見方 5. Q分位基準：Q分位点を取る見方 ただし，α=[0,1]
Inuiguchi Lab. 2013.03.09 第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 10/20 04. 非必須性指標：概念 ∧ ∧ E1 E2 E3 ∧ ∧ E4 E5 H 抽出された二つのルール E4 E4’ と が利用できなくなり， 確信度：0.85 確信度：0.95 ∧ ∧ E1 E2 E3 ∧ ∧ E5 H ∧ ∧ E6’ E5’ H E6 確信度：0.80 ⇒ 確信度を維持 確信度：0.40 ⇒ 確信度が減少 決定ルールの非必須性とは •ルール条件部の一部が利用できなくなったときに，他の条件 で代用し，どの程度ルールの良さを保てるか E6 E6’ と を使用する ∧ ∧ E1’ E2’ E3’ ∧ ∧ E4’ E5’ H ∧ ∧ E1’ E2’ E3’
Inuiguchi Lab. 2013.03.09 第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 11/20 04. 非必須性指標：影響度 基本条件集合ESの一部PS1をPS2で代用した場合の代替不能度 ⇒ PS2 は PS1 に属さない要素を持つ集合 •PS2 は を満たす集合 性質3. 単調性の性質。代用される条件が多いほど、代替不能度は大きい 性質1, 2. 代替不能度は最小値0，最大値1をとる •評価関数 f の性質より、代替不能度 Eff は以下の性質を満たす ならば、
Inuiguchi Lab. 2013.03.09 第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 12/20 04. 非必須性指標：3つの異なる場合 A. 利用できなくなる基本条件がわかっている場合 (例)E3 が利用できなくなり，他の基本条件で代替する ∧ ∧ E1 E2 ? ∧ ∧ E5 H E4 ∧ ∧ E1 E2 E3 ∧ ∧ E5 H E4 この場合，代替する基本条件は最も代替不能度を小さくする基本条 件が望ましいので，次式で定まる
Inuiguchi Lab. 2013.03.09 第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 13/20 B. 代替する基本条件が定められている場合 (例)条件部のいずれか一つが欠損し，基本条件E6で代替する ∧ ∧ E1 E2 E3 ∧ ∧ E5 H E4 E6 この場合，複数の基準が考えられるため，頑健性指標と同様に六つ の基準で定められる 1. 期待値基準 ＊残り五つの基準でも定められる 04. 非必須性指標：3つの異なる場合
Inuiguchi Lab. 2013.03.09 第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 14/20 C. いずれの基本条件も定まっていない場合 (例)条件部のいずれか一つが欠損し、他の基本条件で代用する 各基本条件が欠損する可能性があり，代用する基本条件は最も代 替不能度を小さくする基本条件で定めるため，複数の基準が考えら れる ∧ ∧ E1 E2 E3 ∧ ∧ E5 H E4 ？ 1. 期待値基準 04. 非必須性指標：3つの異なる場合 ＊残り五つの基準でも定められる
Inuiguchi Lab. 2013.03.09 第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 15/20 05. 数値実験1：概要 一つの条件属性が欠損した決定表でのルールの正答率評価 実験目的：頑健性指標が適切な結果を示すかどうか 訓練用 データ ルール の抽出 r1：R-Mean値=0.70 r2：R-Mean値=0.30 r3：R-Mean値=0.90 rn：R-Mean値=0.50 降順に 並べる r3：R-Mean値=0.90 r1：R-Mean値=0.70 rn：R-Mean値=0.50 r2：R-Mean値=0.30 正答率：80％ 正答率：60％ 上位α％ のルール群 下位α％ のルール群 欠損 上位α％， 下位α％， ランダムα％ のルール群を 取り出す (α=10～90) 検証用 データ ランダムα％ のルール群 正答率：40％ 検証用 データ 検証用 データ 欠損 欠損
Inuiguchi Lab. 2013.03.09 第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 16/20 05. 数値実験1：概要 使用した8種類のUCI Machine Learning データ 評価関数 f と 一つの基本条件 e が利用できなくなる確率P(e) ：条件部を満たす対象のうち、結論部を 満たす対象の割合（Accuracy） |C|：条件属性数
Inuiguchi Lab. 2013.03.09 第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 17/20 05. 数値実験1：結果 R-Mean値の上位と下位の比較結果（１条件欠損した決定表） 7個のデータで上位の決定ルール群を用いた方が正答率が高かった ⇒ 頑健性指標が適切な結果を示すことが確認できた
Inuiguchi Lab. 2013.03.09 第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 18/20 05. 数値実験2：概要 完全な決定表でのルールの正答率評価 実験目的：頑健性が高いルールが正答率が高いかどうか 訓練用 データ ルール の抽出 r1：R-Mean値=0.70 r2：R-Mean値=0.30 r3：R-Mean値=0.90 rn：R-Mean値=0.50 降順に 並べる r3：R-Mean値=0.90 r1：R-Mean値=0.70 rn：R-Mean値=0.50 r2：R-Mean値=0.30 正答率：90％ 正答率：80％ 上位α％ のルール群 下位α％ のルール群 上位α％， 下位α％， ランダムα％ のルール群を 取り出す (α=10～90) 検証用 データ ランダムα％ のルール群 正答率：60％ 検証用 データ 検証用 データ
Inuiguchi Lab. 2013.03.09 第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 19/20 05. 数値実験2：結果 R-Mean値の上位と下位の比較結果（完全な決定表） 7個のデータで上位の決定ルール群を用いた方が正答率が高かった ⇒ 頑健性指標が正答率の向上に有用であることが確認できた
Inuiguchi Lab. 2013.03.09 第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 20/20 06. まとめ 本研究の成果 •一つの基本条件による影響度を定義し，それに基づく頑健 性指標を提案した •頑健性指標を拡張し，非必須性指標を提案した •数値実験により，R-Mean値が高い決定ルール群が正答率 の向上に有用であることを確認した 今後の課題 •複数の基本条件が欠損したときの頑健性指標の提案 •頑健性の高いルールの抽出アルゴリズムの開発 •決定ルール群に対する頑健性指標の提案
ご清聴ありがとうございました 大阪大学大学院 基礎工学研究科 大木基至 乾口雅弘 2013.03.09 第23回ソフトサイエンス・ワークショップ
Inuiguchi Lab. 2013.03.09 第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 22/20 05. ルール抽出法：MLEM2 決定表内のすべての対象が少なくとも一つの決定ルールによ り説明される範囲で、一つの極小な決定ルール群を抽出する
Inuiguchi Lab. 2013.03.09 第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 23/20 05. 数値実験：使用したデータ 使用した8種類のUCI Machine Learning データ 各データの決定ルールの条件部の平均の長さ
Inuiguchi Lab. 2013.03.09 第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 24/20 05. 数値実験：R-Mean値のヒストグラム car：0.5以上が約90％ ecoli：正規分布に近い glass：0.7以上が約90％ iris：0.9以上が約40％
Inuiguchi Lab. 2013.03.09 第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 25/20 nursery：0.8以上が約60％ soybean：0.8以上が約90％ wine：0.9以上が約98％ zoo：0.9以上が約70％ 05. 数値実験：R-Mean値のヒストグラム
Inuiguchi Lab. 2013.03.09 第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 26/20 05. 数値実験：結果 MLEM2に基づく正答率評価：R-Mean値の上位α ％のルール
Inuiguchi Lab. 2013.03.09 第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 27/20 05. 数値実験：結果 MLEM2に基づく正答率評価：R-Mean値の下位α％のルール 減少する傾きが小さくなる傾向に ⇒ R1-Lap値が高いルールほど、 正答率の維持に貢献している
Inuiguchi Lab. 2013.03.09 第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 28/20 05. 数値実験：結果 MLEM2に基づく正答率評価：R-Mean値の上位α ％のルール
Inuiguchi Lab. 2013.03.09 第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 29/20 05. 数値実験：結果 MLEM2に基づく正答率評価：R-Mean値の下位α％のルール

More Related Content

PPTX
Bhajan Ratn
byShubham Saxena
 
PPTX
11.12.06_論文紹介_Classification systems based on rough sets under the belief fun...
byLINE Corp.
 
PDF
11.06.10_論文紹介_Rough Set and Bayes Factor
byLINE Corp.
 
PPTX
CB
byShubham Saxena
 
PDF
Energy and tax reforms firm-level analysis from pakistan
byMuhammad Adnan
 
PDF
Energy and Tax Reforms: Household Analysis from Pakistan
byMuhammad Adnan
 
PDF
Rによるテキストマイニングの一例
byLINE Corp.
 
PPTX
Data Mining 6.5 Rule-Based Classification
byKozoChikai
 
Bhajan Ratn
byShubham Saxena
 
11.12.06_論文紹介_Classification systems based on rough sets under the belief fun...
byLINE Corp.
 
11.06.10_論文紹介_Rough Set and Bayes Factor
byLINE Corp.
 
CB
byShubham Saxena
 
Energy and tax reforms firm-level analysis from pakistan
byMuhammad Adnan
 
Energy and Tax Reforms: Household Analysis from Pakistan
byMuhammad Adnan
 
Rによるテキストマイニングの一例
byLINE Corp.
 
Data Mining 6.5 Rule-Based Classification
byKozoChikai
 

Similar to 13.03.09_決定ルール解析のための頑健性指標

PPTX
機械学習 / Deep Learning 大全 (3) 時系列 / リコメンデーション編
byDaiyu Hatakeyama
 
PDF
博士論文本審査スライド
byRyuichi Ueda
 
PDF
Casual datascience vol3
byKazuhiroSato8
 
PPTX
Nttr study 20130206_share
byNoriyuki Futatsugi
 
PDF
『問題解決力を鍛える！アルゴリズムとデータ構造』出版記念講演
byKensuke Otsuki
 
PPTX
データマイニングにおける属性構築、事例選択
by無職
 
PDF
20110909 品質シンポジウム2011投稿論文
byKenichiro Nakajima
 
PPT
12.09.12_FSS2012
byLINE Corp.
 
PPTX
難易度ボラタリティグラフという分析手法
byTokoroten Nakayama
 
PDF
bigdata2012ml okanohara
byPreferred Networks
 
PDF
Casual datascience vol4
byKazuhiroSato8
 
PDF
JasstTokyo2017
byAsako Yanuki
 
PDF
データ・テキストマイニング
byHiroshi Ono
 
PDF
大量の表形式データを 有効活用するための方法論 – 70個以上のソフトウェア作成からの知見–
byToshiyuki Shimono
 
PDF
取捨選択操作の時間的な共起分析によるプログラミング・プロセスでの迷いの検出
byyamahige
 
PPTX
Multiple optimization and Non-dominated sorting with rPref package in R
bySatoshi Kato
 
PDF
一般化線形混合モデル isseing333
byIssei Kurahashi
 
PDF
エクテック カジュアル勉強会 データサイエンスを学ぶ第2回
byKazuhiroSato8
 
PDF
Casual datascience vol2
byKazuhiroSato8
 
PDF
2007 IEEE ICDM DMC task1 result
byTaiga Nomi
 
機械学習 / Deep Learning 大全 (3) 時系列 / リコメンデーション編
byDaiyu Hatakeyama
 
博士論文本審査スライド
byRyuichi Ueda
 
Casual datascience vol3
byKazuhiroSato8
 
Nttr study 20130206_share
byNoriyuki Futatsugi
 
『問題解決力を鍛える！アルゴリズムとデータ構造』出版記念講演
byKensuke Otsuki
 
データマイニングにおける属性構築、事例選択
by無職
 
20110909 品質シンポジウム2011投稿論文
byKenichiro Nakajima
 
12.09.12_FSS2012
byLINE Corp.
 
難易度ボラタリティグラフという分析手法
byTokoroten Nakayama
 
bigdata2012ml okanohara
byPreferred Networks
 
Casual datascience vol4
byKazuhiroSato8
 
JasstTokyo2017
byAsako Yanuki
 
データ・テキストマイニング
byHiroshi Ono
 
大量の表形式データを 有効活用するための方法論 – 70個以上のソフトウェア作成からの知見–
byToshiyuki Shimono
 
取捨選択操作の時間的な共起分析によるプログラミング・プロセスでの迷いの検出
byyamahige
 
Multiple optimization and Non-dominated sorting with rPref package in R
bySatoshi Kato
 
一般化線形混合モデル isseing333
byIssei Kurahashi
 
エクテック カジュアル勉強会 データサイエンスを学ぶ第2回
byKazuhiroSato8
 
Casual datascience vol2
byKazuhiroSato8
 
2007 IEEE ICDM DMC task1 result
byTaiga Nomi
 

More from LINE Corp.

PDF
18.07.11_useR2018 Poster_Time Series Digger : Automatic time series analysis ...
byLINE Corp.
 
PDF
18.02.05_IAAI2018_Mobille Network Failure Event Detection and Forecasting wit...
byLINE Corp.
 
PDF
17.04.27_JSAI Cup 2017_5th winner's solution
byLINE Corp.
 
PPTX
17.11.29_論文紹介_BRACID a comprehensive approach to learning rules from imbalanc...
byLINE Corp.
 
PDF
17.04.21_論文紹介_Decision bireducts and decision reducts - a comparison
byLINE Corp.
 
PDF
17.01.18_論文紹介_Discrimination- and privacy-aware patterns
byLINE Corp.
 
PDF
16.02.08_Hadoop Conferece Japan 2016_データサイエンスにおける一次可視化からのSpark on Elasticsear...
byLINE Corp.
 
PDF
15.05.21_ビッグデータ分析基盤Sparkの最新動向とその活用-Spark SUMMIT EAST 2015-
byLINE Corp.
 
PDF
14.09.12_インターネット測定システムの開発と運用
byLINE Corp.
 
PPTX
13.11.15_野村総研マーケティング分析コンテスト2013(佳作賞)_Facebookとtwitterの利用者に対する消費行動分析とそれに基づく広告...
byLINE Corp.
 
PDF
14.01.31_アドベンチャー杯2013_情報工学分野と他の研究分野間の関連度分析
byLINE Corp.
 
PPTX
Rによる決定木解析の一例
byLINE Corp.
 
PPTX
13.12.21_大ヒットの方程式数理モデル解説
byLINE Corp.
 
PPTX
13.12.07 CIKM2013読み会
byLINE Corp.
 
PDF
11.05.10_論文紹介_Can Bayesian Confirmation Measures be Useful for Rough Set Deci...
byLINE Corp.
 
PDF
11.11.27_2011年度数理システム学生研究奨励賞「佳作賞」_ニュースサイトにおける大学生の嗜好要因の特定とサイト制作への応用_
byLINE Corp.
 
PDF
12.11.06_2012年度S-PLUS学生研究奨励賞「佳作賞」_数量化理論第Ⅱ類とアソシエーションルール解析による自動車バナーデザインの分析
byLINE Corp.
 
PDF
12.10.22_論文紹介_Measuring expected effects of interventions based on decision r...
byLINE Corp.
 
PDF
12.10.15_論文紹介_Property of rule interestingness measures and alternative appro...
byLINE Corp.
 
PDF
12.01.18_論文紹介_An improved accuracy measure for rough sets
byLINE Corp.
 
18.07.11_useR2018 Poster_Time Series Digger : Automatic time series analysis ...
byLINE Corp.
 
18.02.05_IAAI2018_Mobille Network Failure Event Detection and Forecasting wit...
byLINE Corp.
 
17.04.27_JSAI Cup 2017_5th winner's solution
byLINE Corp.
 
17.11.29_論文紹介_BRACID a comprehensive approach to learning rules from imbalanc...
byLINE Corp.
 
17.04.21_論文紹介_Decision bireducts and decision reducts - a comparison
byLINE Corp.
 
17.01.18_論文紹介_Discrimination- and privacy-aware patterns
byLINE Corp.
 
16.02.08_Hadoop Conferece Japan 2016_データサイエンスにおける一次可視化からのSpark on Elasticsear...
byLINE Corp.
 
15.05.21_ビッグデータ分析基盤Sparkの最新動向とその活用-Spark SUMMIT EAST 2015-
byLINE Corp.
 
14.09.12_インターネット測定システムの開発と運用
byLINE Corp.
 
13.11.15_野村総研マーケティング分析コンテスト2013(佳作賞)_Facebookとtwitterの利用者に対する消費行動分析とそれに基づく広告...
byLINE Corp.
 
14.01.31_アドベンチャー杯2013_情報工学分野と他の研究分野間の関連度分析
byLINE Corp.
 
Rによる決定木解析の一例
byLINE Corp.
 
13.12.21_大ヒットの方程式数理モデル解説
byLINE Corp.
 
13.12.07 CIKM2013読み会
byLINE Corp.
 
11.05.10_論文紹介_Can Bayesian Confirmation Measures be Useful for Rough Set Deci...
byLINE Corp.
 
11.11.27_2011年度数理システム学生研究奨励賞「佳作賞」_ニュースサイトにおける大学生の嗜好要因の特定とサイト制作への応用_
byLINE Corp.
 
12.11.06_2012年度S-PLUS学生研究奨励賞「佳作賞」_数量化理論第Ⅱ類とアソシエーションルール解析による自動車バナーデザインの分析
byLINE Corp.
 
12.10.22_論文紹介_Measuring expected effects of interventions based on decision r...
byLINE Corp.
 
12.10.15_論文紹介_Property of rule interestingness measures and alternative appro...
byLINE Corp.
 
12.01.18_論文紹介_An improved accuracy measure for rough sets
byLINE Corp.
 

13.03.09_決定ルール解析のための頑健性指標

  • 1.
    決定ルール解析のための頑健性指標 大阪大学大学院 基礎工学研究科 大木基至 乾口雅弘 2013.03.09 第23回ソフトサイエンス・ワークショップ
  • 2.
    Inuiguchi Lab. 2013.03.09第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 1/20 00. 目次 01. 背景と目的 02. 準備 03. 頑健性指標 04. 非必須性指標 05. 数値実験 06. まとめ
  • 3.
    Inuiguchi Lab. 2013.03.09第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 2/20 01. 背景 • ラフ集合に基づく決定ルール（if-thenルール）解析の実問題 への応用が盛んに行われている 決定ルール：スポーツタイプ(c1)なら好き(1) 色彩系(a1)かつセダンタイプ(c2)なら好き(1) 決定表（自動車の選好データ） 条件部 結論部
  • 4.
    Inuiguchi Lab. 2013.03.09第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 3/20 01. 目的 • 一部の属性値情報が利用できなくなっても，推定精度を維持 できるルールが望ましい ⇒ 決定ルールの頑健性を定量的に測る指標の提案 抽出した n 個の決定ルール：r1，r2，r3，… ，rn 選好の推定に適用
  • 5.
    Inuiguchi Lab. 2013.03.09第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 4/20 02. 準備 決定表の表記 対象の集合U 全基本条件の集合A 決定属性値の集合D 決定ルールの表記 ES：基本条件集合，H：結論部 ：基本条件 R：決定ルールの集合
  • 6.
    Inuiguchi Lab. 2013.03.09第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 5/20 03. 頑健性指標：概念 決定ルールの頑健性とは •ルール条件部の一部が利用できなくなったときに，どの程度ル ールの良さを保てるか ∧ ∧ E1 E2 E3 ∧ ∧ E4 E5 H 抽出された二つのルール ∧ ∧ E1’ E2’ E3’ ∧ ∧ E4’ E5’ H E4 E4’ と が利用できなくなる 確信度：0.85 確信度：0.95 ∧ ∧ E1 E2 E3 ∧ ∧ E5 H ∧ ∧ E1’ E2’ E3’ ∧ ∧ E4’4 E5’ H E4 確信度：0.75 ⇒ 確信度を維持 確信度：0.30 ⇒ 確信度が減少
  • 7.
    Inuiguchi Lab. 2013.03.09第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 6/20 03. 頑健性指標：影響度 基本条件集合ESの一部PSが欠損した場合の影響度Eff • ： 結論部H における基本条件集合ESの評価関数 性質2. f は ならば、 ⇒ 単調性の性質。条件を減らせば、それだけ評価が悪くなる •評価関数 f は以下の性質を満たすものとして定める 性質1. f は ⇒ 決定ルールは正の値を取る ： の部分集合
  • 8.
    Inuiguchi Lab. 2013.03.09第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 7/20 性質2. ⇒ 単調性の性質。欠如する集合が大きいほど、影響度は大きい 性質1. ⇒ 影響度は最小値0, 最大値１を取る •f の性質より、影響度 Eff は以下の性質を満たす なら、 , •部分集合 PS が欠損することで、決定ルール ES → H の評 価値の減少量を表す 03. 頑健性指標：影響度 基本条件集合ESの一部PSが欠損した場合の影響度Eff
  • 9.
    Inuiguchi Lab. 2013.03.09第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 8/20 1. 期待値基準：影響度の平均を取る見方 2. メディアン基準：影響度の中央値を取る見方 03. 頑健性指標：6種類の基準 3. マキシミン基準：悲観的な見方 各基準に基づく頑健性指標 •不確実性の下での決定基準に基づき定義する •一つの基本条件が欠損する場合 P(e)：基本条件 e が利用できなくなる確率
  • 10.
    Inuiguchi Lab. 2013.03.09第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 9/20 03. 頑健性指標：6種類の基準 4. マキシマックス基準：楽観的な見方 6. フルビッツ基準：3と4の凸結合，中間的な見方 5. Q分位基準：Q分位点を取る見方 ただし，α=[0,1]
  • 11.
    Inuiguchi Lab. 2013.03.09第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 10/20 04. 非必須性指標：概念 ∧ ∧ E1 E2 E3 ∧ ∧ E4 E5 H 抽出された二つのルール E4 E4’ と が利用できなくなり， 確信度：0.85 確信度：0.95 ∧ ∧ E1 E2 E3 ∧ ∧ E5 H ∧ ∧ E6’ E5’ H E6 確信度：0.80 ⇒ 確信度を維持 確信度：0.40 ⇒ 確信度が減少 決定ルールの非必須性とは •ルール条件部の一部が利用できなくなったときに，他の条件 で代用し，どの程度ルールの良さを保てるか E6 E6’ と を使用する ∧ ∧ E1’ E2’ E3’ ∧ ∧ E4’ E5’ H ∧ ∧ E1’ E2’ E3’
  • 12.
    Inuiguchi Lab. 2013.03.09第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 11/20 04. 非必須性指標：影響度 基本条件集合ESの一部PS1をPS2で代用した場合の代替不能度 ⇒ PS2 は PS1 に属さない要素を持つ集合 •PS2 は を満たす集合 性質3. 単調性の性質。代用される条件が多いほど、代替不能度は大きい 性質1, 2. 代替不能度は最小値0，最大値1をとる •評価関数 f の性質より、代替不能度 Eff は以下の性質を満たす ならば、
  • 13.
    Inuiguchi Lab. 2013.03.09第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 12/20 04. 非必須性指標：3つの異なる場合 A. 利用できなくなる基本条件がわかっている場合 (例)E3 が利用できなくなり，他の基本条件で代替する ∧ ∧ E1 E2 ? ∧ ∧ E5 H E4 ∧ ∧ E1 E2 E3 ∧ ∧ E5 H E4 この場合，代替する基本条件は最も代替不能度を小さくする基本条 件が望ましいので，次式で定まる
  • 14.
    Inuiguchi Lab. 2013.03.09第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 13/20 B. 代替する基本条件が定められている場合 (例)条件部のいずれか一つが欠損し，基本条件E6で代替する ∧ ∧ E1 E2 E3 ∧ ∧ E5 H E4 E6 この場合，複数の基準が考えられるため，頑健性指標と同様に六つ の基準で定められる 1. 期待値基準 ＊残り五つの基準でも定められる 04. 非必須性指標：3つの異なる場合
  • 15.
    Inuiguchi Lab. 2013.03.09第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 14/20 C. いずれの基本条件も定まっていない場合 (例)条件部のいずれか一つが欠損し、他の基本条件で代用する 各基本条件が欠損する可能性があり，代用する基本条件は最も代 替不能度を小さくする基本条件で定めるため，複数の基準が考えら れる ∧ ∧ E1 E2 E3 ∧ ∧ E5 H E4 ？ 1. 期待値基準 04. 非必須性指標：3つの異なる場合 ＊残り五つの基準でも定められる
  • 16.
    Inuiguchi Lab. 2013.03.09第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 15/20 05. 数値実験1：概要 一つの条件属性が欠損した決定表でのルールの正答率評価 実験目的：頑健性指標が適切な結果を示すかどうか 訓練用 データ ルール の抽出 r1：R-Mean値=0.70 r2：R-Mean値=0.30 r3：R-Mean値=0.90 rn：R-Mean値=0.50 降順に 並べる r3：R-Mean値=0.90 r1：R-Mean値=0.70 rn：R-Mean値=0.50 r2：R-Mean値=0.30 正答率：80％ 正答率：60％ 上位α％ のルール群 下位α％ のルール群 欠損 上位α％， 下位α％， ランダムα％ のルール群を 取り出す (α=10～90) 検証用 データ ランダムα％ のルール群 正答率：40％ 検証用 データ 検証用 データ 欠損 欠損
  • 17.
    Inuiguchi Lab. 2013.03.09第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 16/20 05. 数値実験1：概要 使用した8種類のUCI Machine Learning データ 評価関数 f と 一つの基本条件 e が利用できなくなる確率P(e) ：条件部を満たす対象のうち、結論部を 満たす対象の割合（Accuracy） |C|：条件属性数
  • 18.
    Inuiguchi Lab. 2013.03.09第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 17/20 05. 数値実験1：結果 R-Mean値の上位と下位の比較結果（１条件欠損した決定表） 7個のデータで上位の決定ルール群を用いた方が正答率が高かった ⇒ 頑健性指標が適切な結果を示すことが確認できた
  • 19.
    Inuiguchi Lab. 2013.03.09第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 18/20 05. 数値実験2：概要 完全な決定表でのルールの正答率評価 実験目的：頑健性が高いルールが正答率が高いかどうか 訓練用 データ ルール の抽出 r1：R-Mean値=0.70 r2：R-Mean値=0.30 r3：R-Mean値=0.90 rn：R-Mean値=0.50 降順に 並べる r3：R-Mean値=0.90 r1：R-Mean値=0.70 rn：R-Mean値=0.50 r2：R-Mean値=0.30 正答率：90％ 正答率：80％ 上位α％ のルール群 下位α％ のルール群 上位α％， 下位α％， ランダムα％ のルール群を 取り出す (α=10～90) 検証用 データ ランダムα％ のルール群 正答率：60％ 検証用 データ 検証用 データ
  • 20.
    Inuiguchi Lab. 2013.03.09第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 19/20 05. 数値実験2：結果 R-Mean値の上位と下位の比較結果（完全な決定表） 7個のデータで上位の決定ルール群を用いた方が正答率が高かった ⇒ 頑健性指標が正答率の向上に有用であることが確認できた
  • 21.
    Inuiguchi Lab. 2013.03.09第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 20/20 06. まとめ 本研究の成果 •一つの基本条件による影響度を定義し，それに基づく頑健 性指標を提案した •頑健性指標を拡張し，非必須性指標を提案した •数値実験により，R-Mean値が高い決定ルール群が正答率 の向上に有用であることを確認した 今後の課題 •複数の基本条件が欠損したときの頑健性指標の提案 •頑健性の高いルールの抽出アルゴリズムの開発 •決定ルール群に対する頑健性指標の提案
  • 22.
    ご清聴ありがとうございました 大阪大学大学院 基礎工学研究科 大木基至 乾口雅弘 2013.03.09 第23回ソフトサイエンス・ワークショップ
  • 23.
    Inuiguchi Lab. 2013.03.09第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 22/20 05. ルール抽出法：MLEM2 決定表内のすべての対象が少なくとも一つの決定ルールによ り説明される範囲で、一つの極小な決定ルール群を抽出する
  • 24.
    Inuiguchi Lab. 2013.03.09第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 23/20 05. 数値実験：使用したデータ 使用した8種類のUCI Machine Learning データ 各データの決定ルールの条件部の平均の長さ
  • 25.
    Inuiguchi Lab. 2013.03.09第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 24/20 05. 数値実験：R-Mean値のヒストグラム car：0.5以上が約90％ ecoli：正規分布に近い glass：0.7以上が約90％ iris：0.9以上が約40％
  • 26.
    Inuiguchi Lab. 2013.03.09第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 25/20 nursery：0.8以上が約60％ soybean：0.8以上が約90％ wine：0.9以上が約98％ zoo：0.9以上が約70％ 05. 数値実験：R-Mean値のヒストグラム
  • 27.
    Inuiguchi Lab. 2013.03.09第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 26/20 05. 数値実験：結果 MLEM2に基づく正答率評価：R-Mean値の上位α ％のルール
  • 28.
    Inuiguchi Lab. 2013.03.09第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 27/20 05. 数値実験：結果 MLEM2に基づく正答率評価：R-Mean値の下位α％のルール 減少する傾きが小さくなる傾向に ⇒ R1-Lap値が高いルールほど、 正答率の維持に貢献している
  • 29.
    Inuiguchi Lab. 2013.03.09第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 28/20 05. 数値実験：結果 MLEM2に基づく正答率評価：R-Mean値の上位α ％のルール
  • 30.
    Inuiguchi Lab. 2013.03.09第23回ソフトサイエンス・ワークショップ 大木基至・乾口雅弘 29/20 05. 数値実験：結果 MLEM2に基づく正答率評価：R-Mean値の下位α％のルール