Classifier

• 詳細な仕様は IDL 定義 を参照してください。
• 使用されているアルゴリズムの詳細については アルゴリズム を参照してください。

Configuration

設定は単体の JSON で与えられる。 JSON の各フィールドは以下のとおりである。

method

分類に使用するアルゴリズムを指定する。 以下のアルゴリズムを指定できる。

設定値	手法	分類方法
"perceptron"	パーセプトロン法を利用する。	線形分類
"PA"	Passive Aggressive (PA) を利用する。 [Crammer06]	線形分類
"PA1"	PA-I を利用する。 [Crammer06]	線形分類
"PA2"	PA-II を利用する。 [Crammer06]	線形分類
"CW"	Confidence Weighted Learning を利用する。 [Dredze08]	線形分類
"AROW"	Adaptive Regularization of Weight vectors を利用する。 [Crammer09b]	線形分類
"NHERD"	Normal Herd を利用する。 [Crammer10]	線形分類
"NN"	nearest_neighbor を利用する。	k-近傍法
"cosine"	コサイン類似度による近傍探索結果を利用する。[1]	k-近傍法
"euclidean"	ユークリッド距離による近傍探索結果を利用する。[1]	k-近傍法

[1]	(1, 2) これらの手法では delete_label APIおよび unlearner を使用することができない。

parameter

アルゴリズムに渡すパラメータを指定する。 method に応じて渡すパラメータは異なる。 なお、各アルゴリズムの regularization_weight パラメータはアルゴリズム中における役割が異なるため、アルゴリズム毎に適切な値は異なることに注意する。

共通

unlearner:忘却機能に利用するUnlearnerのアルゴリズムを指定する。 忘却機能を利用しない場合、 このパラメータを省略する。 Unlearner で説明される unlearner を指定する。 ここで指定された方法に基づいてデータを忘却する。忘却の単位はラベル単位である。 ただし、method が "NN" の場合、ラベル単位ではなく、 学習データ( labeled_datum )単位である。 unlearner_parameter:  忘却機能に利用するUnlearnerに渡すパラメータを指定する。 Unlearner で説明される unlearner_parameter を指定する。 unlearner を設定する場合、 unlearner_parameter の指定は必須である。 ここで指定された件数以上のラベルまたはデータを忘却する。

これら2つのパラメータは 省略可能 である。

perceptron

なし

PA

なし

PA1

regularization_weight:  

学習に対する感度パラメータを指定する。 大きくすると学習が早くなる代わりに、ノイズに弱くなる。 元論文 [Crammer06] における \(C\) に相当する。 (Float)

• 値域: 0.0 < regularization_weight

PA2

regularization_weight:  

学習に対する感度パラメータを指定する。 大きくすると学習が早くなる代わりに、ノイズに弱くなる。 元論文 [Crammer06] における \(C\) に相当する。 (Float)

• 値域: 0.0 < regularization_weight

CW

regularization_weight:  

学習に対する感度パラメータを指定する。 大きくすると学習が早くなる代わりに、ノイズに弱くなる。 元論文 [Dredze08] における \(\phi\) に相当する。 (Float)

• 値域: 0.0 < regularization_weight

AROW

regularization_weight:  

学習に対する感度パラメータを指定する。 大きくすると学習が早くなる代わりに、ノイズに弱くなる。 元論文 [Crammer09b] における \(1/r\) に相当する。 (Float)

• 値域: 0.0 < regularization_weight

NHERD

regularization_weight:  

学習に対する感度パラメータを指定する。 大きくすると学習が早くなる代わりに、ノイズに弱くなる。 元論文 [Crammer10] における \(C\) に相当する。 (Float)

• 値域: 0.0 < regularization_weight

NN

method:

近傍探索に使用するアルゴリズムを指定する。 使用可能なアルゴリズムの一覧は Nearest Neighbor を参照のこと。

parameter:

アルゴリズムに渡すパラメータを指定する。 パラメータの一覧は Nearest Neighbor を参照のこと。

nearest_neighbor_num:  

スコア算出時に使われるデータの数を指定する。 (Integer)

• 値域: 1 <= nearest_neighbor_num

local_sensitivity:  

スコア算出時に使われる感度パラメータを指定する。 0 の場合は近傍探索で得られた全てのデータを同じ重みで評価し、 大きくすると距離の近いデータをより重視するようになる。 (Float)

• 値域: 0.0 <= local_sensitivity

cosine

nearest_neighbor_num:  

スコア算出時に使われるデータの数を指定する。 (Integer)

• 値域: 1 <= nearest_neighbor_num

local_sensitivity:  

スコア算出時に使われる感度パラメータを指定する。 0 の場合は近傍探索で得られた全てのデータを同じ重みで評価し、 大きくすると距離の近いデータをより重視するようになる。 (Float)

• 値域: 0.0 <= local_sensitivity

euclidean

nearest_neighbor_num:  

スコア算出時に使われるデータの数を指定する。 (Integer)

• 値域: 1 <= nearest_neighbor_num

local_sensitivity:  

スコア算出時に使われる感度パラメータを指定する。 0 の場合は近傍探索で得られた全てのデータを同じ重みで評価し、 大きくすると距離の近いデータをより重視するようになる。 (Float)

• 値域: 0.0 <= local_sensitivity

converter

特徴変換の設定を指定する。 フォーマットは データ変換 で説明する。

例:

{
  "method" : "AROW",
  "parameter" : {
    "regularization_weight" : 1.0
  },
  "converter" : {
    "string_filter_types" : {},
    "string_filter_rules" : [],
    "num_filter_types" : {},
    "num_filter_rules" : [],
    "string_types" : {},
    "string_rules" : [
      { "key" : "*", "type" : "str", "sample_weight" : "bin", "global_weight" : "bin" }
    ],
    "num_types" : {},
    "num_rules" : [
      { "key" : "*", "type" : "num" }
    ]
  }
}

Data Structures

message estimate_result

分類の結果を表す。

0: string label

推定されたラベルを表す。

1: double score

ラベルに付けられた対する確からしさの値である。 score の値が大きいほど、より推定されたラベルの信頼性が高いことを意味する。

message estimate_result {
  0: string label
  1: double score
}

message labeled_datum

ラベル付きのデータを表す。

0: string label

このデータに紐付けられたラベルを表す。

1: datum data

ラベルに紐付けられたデータを表す。

message labeled_datum {
  0: string label
  1: datum data
}

Methods

service classifier

int train(0: list<labeled_datum> data)

パラメータ:

• data -- label と datum で構成される組のリスト

戻り値:

学習した件数 (data の長さに等しい)

学習しモデルを更新する。 labeled_datum は、 datum とその label の組である。 この API は labeled_datum をリスト形式でまとめて同時に受け付けることができる (バルク更新)。

list<list<estimate_result>> classify(0: list<datum> data)

パラメータ:

• data -- 分類する datum のリスト

戻り値:

estimate_result のリストのリスト (入れられた datum の順に並ぶ)

与えられた data から、ラベルを推定する。 この API は、 datum をリスト形式でまとめて同時に受け付けることができる (バルク分類)。

map<string, ulong> get_labels()

戻り値:現在登録されているラベルと学習した件数の組

登録されているラベルとそれぞれのラベルを学習した件数を返却する。 method が NN の場合、忘却機能によって削除された学習データの件数は含まれない。

bool set_label(0: string new_label)

パラメータ:

• new_label -- 追加するラベル名

戻り値:

追加に成功した場合 True 既にラベルが存在した場合 False

新しいラベルを追加する。 既に同名のラベルが登録されていた場合失敗する。 ラベルは train 実行時にも自動的に追加される。

bool delete_label(0: string target_label)

パラメータ:

• target_label -- 消去するラベル名

戻り値:

消去に成功した場合 True ラベルが存在しなかった場合 False

ラベルを消去する。 成功時に True 失敗時に False を返す。