リッジ回帰によるk近傍分類の性能改善 (IBISML) Ridge Regression for Improving the Accuracy of k-Nearest Neighbor Classification

本論文では, $k$近傍分類のための非類似度関数とその学習法を提案する. 既存の距離学習は, 目的関数に基づいた写像行列を学習し, この写像行列を用いてクエリ事例とラベル付き事例を特徴空間の新たな点に写像する. 一方で, 本論文の提案手法は, クエリ事例を固定し, ラベル付き事例のみを同一特徴空間上の適切な点に移動する. 提案手法がもたらす$k$近傍分類の性能改善は, ハブ事例の出現という観点から説明することができる. 近年, ハブ事例の出現による, 近傍法の性能低下が報告されている. 本論文では, このハブ事例の出現を抑制することにより, 分類性能の改善を行う. 実験の結果, 文書および画像データの分類において, 提案手法が, 既存の距離学習よりも良い, もしくは同等の正解率を得ることを確認した.

重藤優太郎, 新保仁 (奈良先端科学技術大学院大学), 松本裕治（奈良先端科学技術大学院大学),
信学技報, vol. 117, no. 211, IBISML2017-25, pp. 113-119, 2017年9月.
[ link ]