自己組織化マップと局所線形モデル近似による非線形判別モデルの因果分析手法

カテゴリ: 研究会(論文単位)

論文No: IS18032

グループ名: 【C】電子・情報・システム部門 情報システム研究会

発行日: 2018/05/28

タイトル(英語): A Causality Analysis Method for Nonlinear Classification Model with Self Organization Map and Locally Approximation to Linear Model

著者名: 桐畑 康裕(日立ソリューションズ),前川 拓也(日立ソリューションズ),小野山 隆(日立ソリューションズ)

著者名(英語): Yasuhiro Kirihata(Hitachi Solutions, Ltd.),Takuya Maekawa(Hitachi Solutions, Ltd.),Takashi Onoyama(Hitachi Solutions, Ltd.)

キーワード: 機械学習|因果分析|非線形判別モデル|自己組織化マップ|局所線形モデル|Machine Learning|Causality Analysis|Nonlinear Classification Model|Self-Organization Map|Local Linear Model

要約(日本語): 深層学習やSVM等、非線形判別分析を行う機械学習では、生成されたモデルはブラックボックスとなり、出力された判別結果に対し、どの入力属性が要因として関連しているのか分からない課題がある。本論文では、与えられたデータを自己組織化マップによりクラスタ化し、得られたノードごとに局所線形モデル近似を行うことにより、特徴空間における大域的な傾向と、個別ノードごとにモデルの特性を分析する要因分析手法を提案する。

要約(英語): In terms of nonlinear machine learning classifier such as Deep Learning and SVM, generated model is a black box and has issue of unclear the causality between its output and input attributes. We propose a causality analysis method with self organization map and locally approximation method to linear model to solve the issue.

原稿種別: 日本語

PDFファイルサイズ: 1,499 Kバイト