[論文レビュー] Regional Development Classification Model using Decision Tree Approach

Tb Ai Munandar, Edi Winarko|arXiv (Cornell University)|May 20, 2015

Economic Growth and Fiscal Policies参考文献 10被引用数 4

ひとこと要約

本研究では、中央ジャワ州およびバテン州のGDPデータを用いて地域開発水準を分類する意思決定木ベースのモデルを提案する。J48アルゴリズムを適用し、85.18%の正確性を達成し、タングェラン市、タングェラン県、ケンダル、マジェラン、ペマラング、レムバン、セマラン、ウォノソボを発展途上地域として同定する。政策立案者向けの迅速でデータ駆動型の意思決定支援ツールを提供する。

ABSTRACT

Regional development classification is one way to look at differences in levels of development outcomes. Some frequently used methods are the shift share, Gain index, the Iindex Williamson and Klassen typology. The development of science in the field of data mining, offers a new way for regional development data classification. This study discusses how the decision tree is used to classify the level of development based on indicators of regional gross domestic product (GDP). GDP Data Central Java and Banten used in this study. Before the data is entered into the decision tree forming algorithm, both the provincial GDP data are classified using Klassen typology. Three decision tree algorithms, namely J48, NBTRee and REPTree tested in this study using cross-validation evaluation, then selected one of the best performing algorithms. The results show that the J48 has a better accuracy rate which is equal to 85.18% compared to the algorithm NBTRee and REPTree. Testing the model is done to the six districts / municipalities in the province of Banten, and shows that there are two districts / cities are still at the development of the status quadrant relatively underdeveloped regions, namely Kota Tangerang and Kabupaten Tangerang. As for the Central Java Province, Kendal, Magelang, Pemalang, Rembang, Semarang and Wonosobo are an area with a quadrant of development also on the status of the region is relatively underdeveloped. Classification model that has been developed is able to classify the level of development fast and easy to enter data directly into the decision tree is formed. This study can be used as an alternative decision support for policy makers in order to determine the future direction of development.

研究の動機と目的

• 機械学習を用いて、データ駆動型の地域開発水準分類モデルを開発すること。
• GDP指標に基づく地域開発水準の分類において、複数の意思決定木アルゴリズムの性能を評価すること。
• 標準化された分類フレームワークを用いて、中央ジャワ州およびバテン州の発展途上地域を同定すること。
• 地域開発計画のための実用的で迅速かつスケーラブルな意思決定支援システムを提供すること。
• J48、NBTRee、およびREPTreeアルゴリズムの分類正確性を比較すること。

提案手法

• 本研究では、中央ジャワ州およびバテン州の15の地方自治体のGDPデータを入力特徴量として使用する。
• 地域の開発状況を構造化するために、Klassenタイプロジックが予備的分類として適用される。
• 3つの意思決定木アルゴリズム—J48、NBTRee、REPTree—を10分割交差検証を用いて訓練および評価する。
• モデルの性能は分類正確性で測定され、最終分析に向け最良の性能を示したアルゴリズムが選択される。
• 最終モデルは、バテン州の6つの地方自治体に対してテストされ、予測能力が検証される。
• 意思決定木の構造により、政策に役立つインサイトを得られる解釈可能な分類ルールが可能になる。

実験結果

リサーチクエスチョン

• RQ1 GDPデータに基づく地域開発水準の分類において、どの意思決定木アルゴリズムが最も優れた性能を示すか？
• RQ2 地方のGDP指標を用いて、機械学習モデルはどの程度正確に地域を発展水準の4象限に分類できるか？
• RQ3 中央ジャワ州およびバテン州のどの地方自治体が、モデルによって相対的に発展途上と分類されたか？
• RQ4 提案されたモデルは、スケーラブルで解釈可能な意思決定支援ツールとして地域開発政策に活用できるか？
• RQ5 Klassenタイプロジックに基づく前処理は、分類結果にどのような影響を与えるか？

主な発見

• J48アルゴリズムが85.18%の最高分類正確性を達成し、NBTReeおよびREPTreeを上回った。
• バテン州のタングェラン市およびタングェラン県が相対的に発展途上地域として分類された。
• 中央ジャワ州では、ケンダル、マジェラン、ペマラング、レムバン、セマラン、ウォノソボも発展途上地域として同定された。
• 本モデルは、高い解釈可能性と低い計算コストで地域開発水準を効果的に分類できた。
• Klassenタイプロジックを前処理ステップとして用いることで、開発状況分類の一貫性が向上した。
• 最終的な意思決定木モデルは、直接的なデータ入力に適しており、迅速な政策関連分類を支援する。