講演情報
[5M3-GS-2h-02]予測精度の劣化を防ぐオンラインインクリメンタルドリフト適応
〇松野 竜太1 (1. 日本電気株式会社)
キーワード：
データドリフト、インクリメンタルドリフト、分布変化、機械学習
本論文は，インクリメンタルドリフトが生じるデータに対して，過去データを用いて高精度なオンライン予測を目指すインクリメンタルドリフト適応問題を扱う．具体的には，インクリメンタルドリフトを，パラメータ空間内における複数の基底パラメータに対する混合重みの時間的変化としてモデル化する．本論文は，新たなインクリメンタルドリフト適応手法を提案する．まず，問題設定に対する理論的分析を行い，最適な適応を実現するための基礎的な仮定を導入する．この分析に基づき，提案手法は基底パラメータおよびその時間依存の混合重みをオフラインで学習し，その後，オンラインのデータストリームに対しては混合重みのみを更新することで適応を行う．提案手法は同時確率分布のパラメータ空間内でドリフトを学習するため，既存手法と比較してより汎用的かつ柔軟なドリフト適応が可能である．ドリフトを含む6つの実データセットを用いた数値実験により，提案手法が累積二乗誤差を最大51.2%削減することを示す．