A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Ordinal Regression Based on the Distributional Distance for Tabular Data Regressão Ordinal Baseada na Distância Distribucional para Dados Tabulares

Yoshiyuki TAJIMA, Tomoki HAMAGAMI

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

A regressão ordinal é usada para classificar instâncias considerando a relação ordinal entre os rótulos. Os métodos existentes tendem a diminuir a precisão quando aderem à preservação da relação ordinal. Portanto, propomos uma rede distributiva baseada em conhecimento (DK-net) que considera a relação ordinal enquanto mantém alta precisão. DK-net concentra-se em conjuntos de dados de imagens. Porém, em aplicações industriais, é possível encontrar não apenas dados de imagem, mas também dados tabulares. Neste estudo, propomos o conjunto de decisão inconsciente neural DK (NODE), uma versão melhorada da rede DK para dados tabulares. DK-NODE usa NODE para extração de recursos. Além disso, propomos um método de ajuste do parâmetro que controla o grau de conformidade com a relação ordinal. Experimentamos três conjuntos de dados: conjunto de dados WineQuality, Abalone e Eucalyptus. Os experimentos mostraram que o método proposto alcançou alta precisão e pequeno MAE em três conjuntos de dados. Notavelmente, o método proposto teve o menor MAE médio em todos os conjuntos de dados.

Publicação
IEICE TRANSACTIONS on Information Vol.E106-D No.3 pp.357-364
Data de publicação
2023/03/01
Publicitada
2022/12/16
ISSN online
1745-1361
DOI
10.1587/transinf.2022EDP7071
Tipo de Manuscrito
PAPER
Categoria
Inteligência Artificial, Mineração de Dados

autores

Yoshiyuki TAJIMA
  Yokohama National University
Tomoki HAMAGAMI
  Yokohama National University

Palavra-chave