神戸大学附属図書館デジタルアーカイブ
https://doi.org/10.24546/E0041859

このアイテムのアクセス数:109件（2025-04-26 10:31 集計）

閲覧可能ファイル 

ファイル フォーマット サイズ 閲覧回数 説明
E0041859 (fulltext) pdf 283 KB 54

メタデータ

ファイル出力

メタデータID
E0041859
アクセス権
open access
出版タイプ
Version of Record
タイトル
アンサンブル学習とニューラルネットワーク"じゃらん"データを使った分析
アンサンブル ガクシュウ ト ニューラル ネットワーク "ジャラン" データ オ ツカッタ ブンセキ
その他のタイトル
Ensemble Learning and Neural Network : Analysis Using Jalan Data
著者
著者名
長谷川, 博康
Hasegawa, Hiroyasu
ハセガワ, ヒロヤス
著者ID
A0631
研究者ID
1000060189628
KUID
https://kuid-rm-web.ofc.kobe-u.ac.jp/search/detail?systemId=10c57f53b0ed7463520e17560c007669
著者名
羽森, 茂之
Hamori, Shigeyuki
ハモリ, シゲユキ
所属機関名
経済学研究科
言語
Japanese (日本語)
収録物名
國民經濟雜誌
巻(号)
220(3)
ページ
17-29
出版者
神戸大学経済経営学会
刊行日
2019-09-10
公開日
2020-10-01
抄録
AI (人工知能) やマシンラーニング(機械学習) が, 金融業や製造業, 小売業,マーケティング分野など様々な業界, 分野において取り入れられている。本論文の目的は, 決定木, アンサンブル学習, 及びニューラルネットワークを旅行サイト“じゃらん”のデータにあてはめ, 各分析手法の予測性能に関して比較検討を行うことである。本論文で得られた主要な結果は, 以下のとおりである。1 ) 決定木やニューラルネットワークに対して, アンサンブル学習XGBoost が有効である。2 )ランダムフォレストの正答率は, 学習データに対しては高いが, 検証用データでは正答率が劣る。3 ) C 5.0 とニューラルネットワークの正答率を比較すると, 学習用と検証用データともC 5.0 が高い結果を得た。しかし, モデル評価の指標であるAUC 値やF 値に関しては学習用と検証用のデータともにニューラルネットワークが高い値が得られた。4 ) 従来の決定木の手法であるCHAID やCART についても正答率やモデル評価の指標において高い値をとることが明らかになった。
キーワード
機械学習
アンサンブル学習
ニューラルネットワーク
じゃらん
カテゴリ
経済学研究科
国民経済雑誌 ＞ 220巻 ＞ 220巻3号（2019-09-10）
紀要論文
関連情報
NAID
40022027021　CiNiiで表示