不均衡データのための新奇性を用いたファインチューニング
Curiosity Guided Fine-tuning for Imbalanced Data

概要

不均衡データとは、データセット内の各クラスのサンプル数の比率が不均衡なデータのことであり、機械学習において予測が難しいと考えられる。教師あり学習の場合、意図的にサンプル数の比率を操作することでこの問題を解決するが、教師なし学習ではそのような手法を適用することができない。したがって、本研究では新奇性というアイディアを用いた手法を提案する。

産業界への展開例・適用分野

機械学習の産業界への応用にとって、不均衡データの問題は大きな課題である。したがって、本研究は、このような問題への解決策であると考えられる。

研究者

氏名	専攻	研究室	役職/学年
上川 優太	知能情報学専攻	飯山研究室	修士2回生

---