決定木-III Occam’s razor（オッカムの剃刀） Minimum Description Length (最小記述長) 枝刈り 事例に適合する仮説のうち， 最も単純なものを優先する Minimum Description Length (最小記述長) モデルの複雑さ＋モデルでの学習事例の複雑さ （木のノード数） （学習事例に対する誤差） 枝刈り 枝刈り基準 枝刈り対象ノードの順番 アルゴリズム 枝刈りの回数 今回のデモ ○データ：Car ○基準：利得比 ○グラフ：Mode ●検証 ○データ１－１３を学習 データ１４－２６を検証 認識率＝1/13 ○データ１４－２６を削除 ○N-交差検証法，N=1 削除順13, 12, 11, …,1 認識率＝3/13 ●なぜシンプル方がいい？ データ１４－２６を検証 ○ノイズ注入：データ１と２のクラスラベルをいじる ●枝狩りの効果 ○上記のノイズ注入データを使用 ○枝狩り基準 price (1/13)/1 *safety-L (1/13)/2, maincost-R (1/13)/1 maincost (2/13)/3, *safety-R(1/13)/2 person (5/13)/6 ↑1st safeyを枝狩り maincost (2/13)/1 person (5/13)/2 ↑2st maincostを枝狩り ●枝狩りを何回やればいい？
応用例 研究目的 宝探し（クエスト）のゲームにおいて 生理情報 経過時間 移動履歴 達成意欲 合計２０３の属性から 宝探し（クエスト）のゲームにおいて 生理情報 経過時間 移動履歴 達成意欲 合計２０３の属性から 心拍数の変化（UP か DOWN） 皮膚電動の変化 （UP か DOWN） を予測
ROC曲線 受信者動作特性曲線 (Receiver Operating Characteristic Curve) True Positive Rate VS False Positive Rate True Positive Rate(陽性率) 「 ＋ 」と判断された「＋」事例数 「＋」の事例数 False Positive Rate（擬陽性率） 「 ＋ 」と判断された「－」事例数 「－」の事例数