著者

隅田 大勇 竹川 高志

雑誌

研究報告数理モデル化と問題解決(MPS) (ISSN:21888833)

巻号頁・発行日

vol.2022-MPS-138, no.23, pp.1-6, 2022-06-20

---

機械学習モデルの精度を向上させるためには,使用するモデルの特徴,およびデータのドメイン知識を踏まえたうえで特徴量エンジニアリングを行うことが重要である.機械学習モデルを構築する者がデータのドメイン知識を深く理解していない場合は,関連する知見の調査が必要である.そもそも得られたデータの変数間の因果関係が不明である場合は,詳細な探索的データ分析を行う必要がある.本研究ではデータからそのデータの変数間の因果グラフを推定する統計的因果探索の手法である LiNGAM を用いた特徴量選択と交互作用項の生成を組み合わせることによって,予測モデルの精度を向上させることができた.