不均衡データを対象とした特徴量着目型アンサンブルモデルの研究

抄録

近年、情報化が進み、様々な分野において膨大なデータが蓄積されている。それに伴い、商用利用や人員削減を目的とした意思決定AIに注目が集まっている。しかし、実社会で収集されるデータは、クラス間のサンプル数に極端な偏りがある「不均衡データ」であることが多く、これは機械学習において少数派クラスの分類精度の低下などの問題を引き起こす。特に医療診断や不正侵入検知などの分野では、少数派クラスの識別が重要となるため、不均衡データへの対処が大きな課題となっている。本研究では、データの特徴量に着目した不均衡データに対する2クラス分類アルゴリズムについて研究する。