要約: 順序データは臨床分野をはじめとする他の領域にも広く見られますが、それに対処するための現代的な機械学習ベースの手法と公開されているソフトウェアが不足しています。 本論文では、モデルに依存しない順序分類の手法を提示します。これは、任意の非順序分類法を順序付けられた形式で適用できるようにするものです。 また、これらのアルゴリズムのオープンソース実装を、Pythonパッケージの形で提供します。 これらのモデルを複数の実世界データセットに適用して、ドメイン横断の性能を示します。 私たちは、データポイント数が比較的少ない場合や、結果のクラスが多数ある場合に、非順序分類法をしばしば上回ることを示します。 この研究と、開発されたソフトウェアは、順序データを扱う際に、現代的でより強力な機械学習アルゴリズムの使用を促進します。
現代の順序分類のための分類器プーリング
arXiv cs.LG / 2026/3/19
📰 ニュースTools & Practical UsageModels & Research
要点
- 本論文は、任意の非順序分類器を順序ラベルに対応させることができる、モデルに依存しない順序分類手法を提案する。
- 本手法を実装したオープンソースの Python パッケージを提供しており、導入を容易にする。
- 複数の実世界データセットに対する経験的評価により、提案手法は標準的な非順序アプローチよりも性能を上回ることが多いことが示され、特にサンプルサイズが小さい場合やクラス数が多い場合に顕著である。
- 本研究は、実用的で再利用可能なソフトウェアツールを提供することにより、順序データに対する現代的な機械学習の適用を拡大することを目指す。
