
96
5
章 クラス分類:悪い回答を判別する
表5-3からリンクの数が単語の数より重要な値であると思うかもしれません。そのため、新しい文書
は文書A のほうと似ているべきであると考えるでしょう。しかし、今の手法では、文書Bのほうが新し
い文書に似ていることになります。
以上の考察から、今扱っているデータに対してk 近傍方では上手く分類できないのは明らかでしょう。
5.5
改善案について考える
現状を改善するためには、オプションとして次のような選択肢があります。
●
データを追加する:学習アルゴリズムにとってデータの数が十分ではないかもしれません。その
場合は訓練データを追加する必要があります。
●
モデルの複雑さを調整する:モデルが複雑すぎる、または複雑さが足りていない(単純すぎる)
かもしれません。その場合、k近傍法のk の値を調整します。kの値を増やせば、データに対し
てより均一な予測をします。つまり、複雑さを減らすことができます。kを減らせば、その逆を
行うことになります。
●
特徴量を修正する:適切な特徴量が得られていないかもしれません。たとえば、特徴量のスケー
ルを変更したり、さらに新しい特徴量を追加することもできます。また現在使用している特徴量
のうちでほとんど同じような特徴量があれば、それを用いないようにすることもできます。
●
モデルを変更する:k近傍法が今回のケースに適していないかもしれません。もしそうだとした
ら、たとえどんなに複雑さを増やして、どんな洗練された特徴量をデザインしても良い予測