Q&A
GANを用いてテーブルデータの水増し
GANを用いてデータセットの水増しを行おうと考えています．
PythonのライブラリのCTGANを用いてデータの生成自体は上手くいっていますが，分類精度の向上には大きく変化がありません．
精度向上のために，以下のことを試しましたが上手くいっていないので，精度向上のために何かアドバイスがあれば幸いです．
予測のタスクとしては２値分類で，モデルはランダムフォレストを採用しています．
（GAN自体，データセットがある程度必要になると思うので，少量のデータセットの水増しを行うこと自体矛盾している気もしています．．）
分類問題の内容と現状
予測のタスクとしては２値分類で，モデルはランダムフォレストを採用しています．
データセットは約1500あり，評価手法としては１０分割交差検証を採用しています．
予測精度は７３％程度で７７％ぐらいまで精度があげれないかなと．．
試したこと
- アンサンブル（スタッキング）
- Optunaを用いたチューニング
- 遺伝的アルゴリズムを用いた特徴量選択
- Epoch数の増加（１０万回程度）
補足情報（FW/ツールのバージョンなど）
Python3.7， CTGANを現状使用しています．
回答1件
0
ベストアンサー
（GAN自体，データセットがある程度必要になると思うので，少量のデータセットの水増しを行うこと自体矛盾している気もしています．．）
ご自身で回答なさっていることがすべてかなと思います。
データを見てみないと正確なことは言えないのが大前提ですが、
CTGANそして1-4までなさっているのであれば（もしやり方に間違えがなければ）
そもそもそういうデータなのでは。
データ加工とかまだ余地があるかもしれませんが、データを見ないと何とも言えず。
強いて挙げるのであれば
・ランダムフォレストよりもBoosting系（xgBoost、lightGBM、CatBoost）を試す
・3はやめて学習モデルに任せてみる
ことくらいでしょうか、、、
投稿2020/09/07 09:54
総合スコア2240
あなたの回答
tips
プレビュー
バッドをするには、ログインかつ
こちらの条件を満たす必要があります。
2020/09/07 10:28
2020/09/08 00:02