JP2002215646A - 欠損データ補完方法及び欠損データ補完システム - Google Patents
欠損データ補完方法及び欠損データ補完システムInfo
- Publication number
- JP2002215646A JP2002215646A JP2001013175A JP2001013175A JP2002215646A JP 2002215646 A JP2002215646 A JP 2002215646A JP 2001013175 A JP2001013175 A JP 2001013175A JP 2001013175 A JP2001013175 A JP 2001013175A JP 2002215646 A JP2002215646 A JP 2002215646A
- Authority
- JP
- Japan
- Prior art keywords
- data
- missing
- complementing
- feature
- complementary
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
(57)【要約】
【課題】 サンプルデータの欠損個所の補完データを自
動的に算出して、作業者の労力を極力削減することがで
きる欠損データ補完方法及び欠損データ補完システムを
得る。 【解決手段】 データベースに蓄積されているサンプル
データ群の中から、一部の特徴の欠損が存在する欠損デ
ータを検出し、当該欠損データと欠損のない正常データ
とに分割する欠損検出分割処理ステップ（部）と、欠損
データに類似する正常データを所定の類似尺度を用いて
求め、その求めた正常データにおける欠損データの欠損
特徴に対応する特徴のデータを補完データとして、欠損
データの欠損特徴に代入して補完する補完処理ステップ
（部）とを備える。
動的に算出して、作業者の労力を極力削減することがで
きる欠損データ補完方法及び欠損データ補完システムを
得る。 【解決手段】 データベースに蓄積されているサンプル
データ群の中から、一部の特徴の欠損が存在する欠損デ
ータを検出し、当該欠損データと欠損のない正常データ
とに分割する欠損検出分割処理ステップ（部）と、欠損
データに類似する正常データを所定の類似尺度を用いて
求め、その求めた正常データにおける欠損データの欠損
特徴に対応する特徴のデータを補完データとして、欠損
データの欠損特徴に代入して補完する補完処理ステップ
（部）とを備える。
Description
【０００１】
【発明の属する技術分野】この発明は、データマイニン
グを実行するために、データベース内のサンプルデータ
の欠損データを補完する欠損データ補完方法及び欠損デ
ータ補完システムに関するものである。
グを実行するために、データベース内のサンプルデータ
の欠損データを補完する欠損データ補完方法及び欠損デ
ータ補完システムに関するものである。
【０００２】
【従来の技術】大規模データベースから貴重な情報だけ
を計算機で自動的に発掘することをデータマイニングと
いう。データマイニングは、データベースに大量のデー
タを蓄積しておくだけで、その大量のデータを自動的に
計算機が解析して、人間には思いもつかなかった規則性
を発見してくれる。
を計算機で自動的に発掘することをデータマイニングと
いう。データマイニングは、データベースに大量のデー
タを蓄積しておくだけで、その大量のデータを自動的に
計算機が解析して、人間には思いもつかなかった規則性
を発見してくれる。
【０００３】データマイニングを行う場合には、例え
ば、アンケートなどをとってサンプルデータを収集し、
そのサンプルデータをデータベースに蓄積する必要があ
る。サンプルデータは、例えば、アンケートに回答して
もらう人の年齢、性別、身長、体重などの様々な特徴
（又は項目、属性とも言える）に分かれている。
ば、アンケートなどをとってサンプルデータを収集し、
そのサンプルデータをデータベースに蓄積する必要があ
る。サンプルデータは、例えば、アンケートに回答して
もらう人の年齢、性別、身長、体重などの様々な特徴
（又は項目、属性とも言える）に分かれている。
【０００４】ここで、アンケートに回答した人がサンプ
ルデータの全ての特徴について回答しなかったなどの場
合には、データベースに蓄積するサンプルデータに欠損
が生じる。この場合、欠損したサンプルデータ全体又は
回答されなかった一部の特徴のデータを単に削除してし
まうと、データ削除が重なり合って全体として多大な情
報量損失となってしまうため、データマイニングにおけ
る解析品質（解析精度）の低下につながり、好ましくな
い。そこで、信頼性の高いデータマイニングを行うため
に、データベースに蓄積するサンプルデータの欠損を補
完する必要がある。
ルデータの全ての特徴について回答しなかったなどの場
合には、データベースに蓄積するサンプルデータに欠損
が生じる。この場合、欠損したサンプルデータ全体又は
回答されなかった一部の特徴のデータを単に削除してし
まうと、データ削除が重なり合って全体として多大な情
報量損失となってしまうため、データマイニングにおけ
る解析品質（解析精度）の低下につながり、好ましくな
い。そこで、信頼性の高いデータマイニングを行うため
に、データベースに蓄積するサンプルデータの欠損を補
完する必要がある。
【０００５】従来の欠損データの補完方法としては、次
のような方法があった。第１の方法は、計算機がデータ
ベース内のサンプルデータに欠損が存在すると判断（検
出）した場合、警告メッセージ（エラーメッセージ）な
どを流すことによってサンプルデータの欠損の存在を作
業者に知らせ、作業者が、逐一、手作業で欠損したデー
タの補完処理を行うものである。第２の方法は、解析計
算がエラー処理とならないようにするために、計算機が
欠損したデータに対して典型的な値や平均値などを代入
する暫定的な補完処理を自動的に行うものである。この
ように、サンプルデータの欠損を補完することにより、
計算機が、エラーを発生することなく、サンプルデータ
に基づいてデータマイニングの解析計算を実行すること
が可能となる。
のような方法があった。第１の方法は、計算機がデータ
ベース内のサンプルデータに欠損が存在すると判断（検
出）した場合、警告メッセージ（エラーメッセージ）な
どを流すことによってサンプルデータの欠損の存在を作
業者に知らせ、作業者が、逐一、手作業で欠損したデー
タの補完処理を行うものである。第２の方法は、解析計
算がエラー処理とならないようにするために、計算機が
欠損したデータに対して典型的な値や平均値などを代入
する暫定的な補完処理を自動的に行うものである。この
ように、サンプルデータの欠損を補完することにより、
計算機が、エラーを発生することなく、サンプルデータ
に基づいてデータマイニングの解析計算を実行すること
が可能となる。
【０００６】
【発明が解決しようとする課題】しかし、上述した従来
の欠損データ補完方法では、次のような課題があった。
まず、第１の方法では、作業者が手作業で欠損したデー
タの補完処理を行うので、大規模データベースにおける
大量のサンプルデータの全ての欠損を補完するために
は、作業者にとって多大な労力がかかってしまう。
の欠損データ補完方法では、次のような課題があった。
まず、第１の方法では、作業者が手作業で欠損したデー
タの補完処理を行うので、大規模データベースにおける
大量のサンプルデータの全ての欠損を補完するために
は、作業者にとって多大な労力がかかってしまう。
【０００７】また、第２の方法では、典型的な値や平均
値などの画一的な値を欠損したデータに代入することに
よって補完処理を行うので、サンプルデータが保持する
本来の情報能力を大幅に低下させ、データマイニングの
解析結果に平均化現象を生じさせる結果、解析品質を大
幅に低下させてしまう。また、欠損データに代入する画
一的な値は解析者（欠損したデータに値を代入する者）
の固定概念に影響されるため、データマイニングの解析
結果も解析者の主観に偏った知識に基づく結果しか得ら
れず、信頼性の高い解析結果を得ることが困難となって
しまう。
値などの画一的な値を欠損したデータに代入することに
よって補完処理を行うので、サンプルデータが保持する
本来の情報能力を大幅に低下させ、データマイニングの
解析結果に平均化現象を生じさせる結果、解析品質を大
幅に低下させてしまう。また、欠損データに代入する画
一的な値は解析者（欠損したデータに値を代入する者）
の固定概念に影響されるため、データマイニングの解析
結果も解析者の主観に偏った知識に基づく結果しか得ら
れず、信頼性の高い解析結果を得ることが困難となって
しまう。
【０００８】この発明は、上記のような課題を解決する
ためになされたものであり、サンプルデータの欠損個所
の補完データを自動的に算出して、作業者の労力を極力
削減することができる欠損データ補完方法及び欠損デー
タ補完システムを得ることを目的とする。
ためになされたものであり、サンプルデータの欠損個所
の補完データを自動的に算出して、作業者の労力を極力
削減することができる欠損データ補完方法及び欠損デー
タ補完システムを得ることを目的とする。
【０００９】また、この発明は、サンプルデータの情報
能力を損なうことのない最適な値の補完データを算出す
ることができる欠損データ補完方法及び欠損データ補完
システムを得ることを目的とする。
能力を損なうことのない最適な値の補完データを算出す
ることができる欠損データ補完方法及び欠損データ補完
システムを得ることを目的とする。
【００１０】尚、上記従来技術に示した欠損データ補完
方法以外に、例えば、特開平１０−１７１８３４号公報
にも、欠損データ補完方法（欠損データ補完表示方法）
が記載されている。しかし、かかる公報に記載された欠
損データ補完方法は、データマイニングを目的としたサ
ンプルデータの欠損を補完するものではなく、また、デ
ータの内容もサンプルデータのように様々な特徴に分か
れているものではない。従って、上記公報に記載された
欠損データ補完方法と後述する本願発明における欠損デ
ータ補完方法との技術的な関連性は低いものである。
方法以外に、例えば、特開平１０−１７１８３４号公報
にも、欠損データ補完方法（欠損データ補完表示方法）
が記載されている。しかし、かかる公報に記載された欠
損データ補完方法は、データマイニングを目的としたサ
ンプルデータの欠損を補完するものではなく、また、デ
ータの内容もサンプルデータのように様々な特徴に分か
れているものではない。従って、上記公報に記載された
欠損データ補完方法と後述する本願発明における欠損デ
ータ補完方法との技術的な関連性は低いものである。
【００１１】
【課題を解決するための手段】請求項１及び４記載の発
明に係る欠損データ補完方法及びシステムは、データベ
ースに蓄積されているサンプルデータ群の中から、一部
の特徴の欠損が存在する欠損データを検出し、当該欠損
データと欠損のない正常データとに分割する欠損検出分
割処理ステップ（部）と、欠損データに類似する正常デ
ータを所定の類似尺度を用いて求め、その求めた正常デ
ータにおける欠損データの欠損特徴に対応する特徴のデ
ータを補完データとして、欠損データの欠損特徴に代入
して補完する補完処理ステップ（部）とを備えたもので
ある。
明に係る欠損データ補完方法及びシステムは、データベ
ースに蓄積されているサンプルデータ群の中から、一部
の特徴の欠損が存在する欠損データを検出し、当該欠損
データと欠損のない正常データとに分割する欠損検出分
割処理ステップ（部）と、欠損データに類似する正常デ
ータを所定の類似尺度を用いて求め、その求めた正常デ
ータにおける欠損データの欠損特徴に対応する特徴のデ
ータを補完データとして、欠損データの欠損特徴に代入
して補完する補完処理ステップ（部）とを備えたもので
ある。
【００１２】請求項２及び５記載の発明に係る欠損デー
タ補完方法及びシステムは、所定の類似尺度として、マ
ンハッタン関数で算出される欠損データと正常データの
距離としたものである。
タ補完方法及びシステムは、所定の類似尺度として、マ
ンハッタン関数で算出される欠損データと正常データの
距離としたものである。
【００１３】請求項３及び６記載の発明に係る欠損デー
タ補完方法及びシステムは、補完データを求める前に、
サンプルデータ中の量的データを正規化し、また質的デ
ータをダミー変数に置換するクレンジング処理ステップ
（部）と、クレンジング処理されたサンプルデータを元
のデータ形式に復元する復元処理ステップ（部）とをさ
らに設けたものである。
タ補完方法及びシステムは、補完データを求める前に、
サンプルデータ中の量的データを正規化し、また質的デ
ータをダミー変数に置換するクレンジング処理ステップ
（部）と、クレンジング処理されたサンプルデータを元
のデータ形式に復元する復元処理ステップ（部）とをさ
らに設けたものである。
【００１４】請求項７記載の発明に係る欠損データ補完
システムは、補完処理を完了する前に、補完データを画
面表示させる補完データ制御部を設けたものである。
システムは、補完処理を完了する前に、補完データを画
面表示させる補完データ制御部を設けたものである。
【００１５】
【発明の実施の形態】以下、この発明の実施の一形態を
説明する。図１は、本発明の欠損データ補完システムを
示すブロック図である。図において、情報源データベー
ス１００は、データマイニングの基礎となるサンプルデ
ータ群を蓄積（格納）するものである。サンプルデータ
群は、図５（Ａ）に示すように、「年齢」「身長」「体
重」及び「性別」といった多次元の特徴（又は項目、属
性とも言える）からなるサンプルデータの集まりであ
る。サンプルデータにおける各特徴のデータ（値）を特
徴値という。
説明する。図１は、本発明の欠損データ補完システムを
示すブロック図である。図において、情報源データベー
ス１００は、データマイニングの基礎となるサンプルデ
ータ群を蓄積（格納）するものである。サンプルデータ
群は、図５（Ａ）に示すように、「年齢」「身長」「体
重」及び「性別」といった多次元の特徴（又は項目、属
性とも言える）からなるサンプルデータの集まりであ
る。サンプルデータにおける各特徴のデータ（値）を特
徴値という。
【００１６】ここで、図５（Ａ）に示すように、サンプ
ルデータ群の各サンプルデータは、全ての特徴について
特徴値が格納されているわけではなく、アンケートなど
でデータを収集できなかったために、一部の特徴につい
て特徴値が欠損しているものとする。この欠損している
特徴値を欠損値という。また、欠損値が存在しないサン
プルデータを正常データ（図５（Ｃ）参照）といい、欠
損値が存在するサンプルデータを欠損データ（図５
（Ｄ）参照）というものとする。
ルデータ群の各サンプルデータは、全ての特徴について
特徴値が格納されているわけではなく、アンケートなど
でデータを収集できなかったために、一部の特徴につい
て特徴値が欠損しているものとする。この欠損している
特徴値を欠損値という。また、欠損値が存在しないサン
プルデータを正常データ（図５（Ｃ）参照）といい、欠
損値が存在するサンプルデータを欠損データ（図５
（Ｄ）参照）というものとする。
【００１７】欠損データ補完装置１１０は、サンプルデ
ータ群の一部に欠損データが存在する場合、その欠損デ
ータの欠損値に対する補完データを自動的に算出して欠
損値に補完する欠損データ補完処理を行うものである。
この欠損データ補完装置１１０は、データクレンジング
分割処理装置１１１、正常データ蓄積装置１１２、欠損
データ蓄積装置１１３、欠損データ補完処理装置１１４
及びデータ復元装置１１５から構成されている。
ータ群の一部に欠損データが存在する場合、その欠損デ
ータの欠損値に対する補完データを自動的に算出して欠
損値に補完する欠損データ補完処理を行うものである。
この欠損データ補完装置１１０は、データクレンジング
分割処理装置１１１、正常データ蓄積装置１１２、欠損
データ蓄積装置１１３、欠損データ補完処理装置１１４
及びデータ復元装置１１５から構成されている。
【００１８】データクレンジング分割処理装置１１１
は、情報源データベース１００からサンプルデータ群
（図５（Ａ））を読み出して取得し、その取得したサン
プルデータ群の各特徴値をクレンジング処理（データを
洗浄する処理、具体的には、後述するように、量的デー
タを正規化し、質的データをダミー変数に置換する処
理）し（図５（Ｂ））、そのクレンジング処理したサン
プルデータ群を正常データ（図５（Ｃ））と欠損データ
（図５（Ｄ））とに分割して蓄積する処理を行うもので
ある。正常データ蓄積装置１１２は、データクレンジン
グ分割処理装置１１１がクレンジング処理後にサンプル
データ群から分割した正常データを蓄積するものであ
り、欠損データ蓄積装置１１３は、データクレンジング
分割処理装置１１１がクレンジング処理後にサンプルデ
ータ群から分割した欠損データを蓄積するものである。
は、情報源データベース１００からサンプルデータ群
（図５（Ａ））を読み出して取得し、その取得したサン
プルデータ群の各特徴値をクレンジング処理（データを
洗浄する処理、具体的には、後述するように、量的デー
タを正規化し、質的データをダミー変数に置換する処
理）し（図５（Ｂ））、そのクレンジング処理したサン
プルデータ群を正常データ（図５（Ｃ））と欠損データ
（図５（Ｄ））とに分割して蓄積する処理を行うもので
ある。正常データ蓄積装置１１２は、データクレンジン
グ分割処理装置１１１がクレンジング処理後にサンプル
データ群から分割した正常データを蓄積するものであ
り、欠損データ蓄積装置１１３は、データクレンジング
分割処理装置１１１がクレンジング処理後にサンプルデ
ータ群から分割した欠損データを蓄積するものである。
【００１９】欠損データ補完処理装置１１４は、欠損デ
ータ蓄積装置１１３に蓄積された各欠損データ（図６
（Ａ））について、各欠損データと全ての正常データと
の類似性を判断するための類似尺度（後述するマンハッ
タン距離、図５（Ｂ）参照）を用いて、欠損値に対応す
る補完データを既存の正常データから算出して（導い
て）、その補完データを欠損データの欠損値に補完（代
入）する処理を行うものである。データ復元装置１１５
は、クレンジング処理された補完処理後のサンプルデー
タ群の各特徴値（図７（Ａ））を元のデータ形式の各特
徴値（図７（Ｂ））に復元する（戻す）処理を行うもの
である。
ータ蓄積装置１１３に蓄積された各欠損データ（図６
（Ａ））について、各欠損データと全ての正常データと
の類似性を判断するための類似尺度（後述するマンハッ
タン距離、図５（Ｂ）参照）を用いて、欠損値に対応す
る補完データを既存の正常データから算出して（導い
て）、その補完データを欠損データの欠損値に補完（代
入）する処理を行うものである。データ復元装置１１５
は、クレンジング処理された補完処理後のサンプルデー
タ群の各特徴値（図７（Ａ））を元のデータ形式の各特
徴値（図７（Ｂ））に復元する（戻す）処理を行うもの
である。
【００２０】補完データ制御装置１２０は、作業者に補
完実施可能か否かを判断させるために、データ復元装置
１１５から出力された復元後の補完データを画面表示す
るものである。情報源データベース１３０は、データ復
元装置１１５から出力される補完後のサンプルデータ群
を蓄積（格納）するものである。
完実施可能か否かを判断させるために、データ復元装置
１１５から出力された復元後の補完データを画面表示す
るものである。情報源データベース１３０は、データ復
元装置１１５から出力される補完後のサンプルデータ群
を蓄積（格納）するものである。
【００２１】次に、動作について説明する。 （１）データクレンジング分割処理装置１１１の動作 図２は、データクレンジング分割処理装置１１１の動作
を説明するためのフローチャートである。また、図５
は、データクレンジング分割処理装置１１１が処理する
データの一例を示す図である。
を説明するためのフローチャートである。また、図５
は、データクレンジング分割処理装置１１１が処理する
データの一例を示す図である。
【００２２】データクレンジング分割処理装置１１１
は、以下のようにデータクレンジング処理を実行する。
まず、データクレンジング分割処理装置１１１は、情報
源データベース１００に蓄積されているサンプルデータ
群から各サンプルデータの１特徴を読み出して取得する
（ステップＳＴ２０１）。図５の例では、データクレン
ジング分割処理装置１１１は、図５（Ａ）に示すような
サンプルデータ群から例えば１特徴「年齢」を読み出し
て取得する。
は、以下のようにデータクレンジング処理を実行する。
まず、データクレンジング分割処理装置１１１は、情報
源データベース１００に蓄積されているサンプルデータ
群から各サンプルデータの１特徴を読み出して取得する
（ステップＳＴ２０１）。図５の例では、データクレン
ジング分割処理装置１１１は、図５（Ａ）に示すような
サンプルデータ群から例えば１特徴「年齢」を読み出し
て取得する。
【００２３】次に、データクレンジング分割処理装置１
１１は、取得した１特徴のタイプが、量的データ（数字
のデータ）であるか質的データ（記号のデータ又はカテ
ゴリーのデータ）であるかを判定する（ステップＳＴ２
０２）。図５の例では、「年齢」「身長」「体重」は量
的データに該当するが、「性別」は質的データに該当す
る。
１１は、取得した１特徴のタイプが、量的データ（数字
のデータ）であるか質的データ（記号のデータ又はカテ
ゴリーのデータ）であるかを判定する（ステップＳＴ２
０２）。図５の例では、「年齢」「身長」「体重」は量
的データに該当するが、「性別」は質的データに該当す
る。
【００２４】次に、データクレンジング分割処理装置１
１１は、１特徴が量的データである場合は、全てのサン
プルデータの特徴値の最大値及び最小値を求め、０−１
区間で正規化を実施する（ステップＳＴ２０３）。０−
１区間で正規化するための計算式は、（対象サンプルデ
ータの特徴値−特徴の最小値）／（特徴の最大値−特徴
の最小値）となる。図５の例では、例えば「年齢」の最
大値は３７歳であり、最小値は１０歳である。従って、
３７歳を正規化すると「１．０００」となり、１０歳を
正規化すると「０．０００」となる。
１１は、１特徴が量的データである場合は、全てのサン
プルデータの特徴値の最大値及び最小値を求め、０−１
区間で正規化を実施する（ステップＳＴ２０３）。０−
１区間で正規化するための計算式は、（対象サンプルデ
ータの特徴値−特徴の最小値）／（特徴の最大値−特徴
の最小値）となる。図５の例では、例えば「年齢」の最
大値は３７歳であり、最小値は１０歳である。従って、
３７歳を正規化すると「１．０００」となり、１０歳を
正規化すると「０．０００」となる。
【００２５】一方、データクレンジング分割処理装置１
１１は、１特徴が質的データである場合は、ダミー変数
を用いて、質的データである特徴の全サンプルデータを
量的データに変換する（ステップＳＴ２０４）。図５の
例では、「性別」は質的データであり、「女」をダミー
変数「０．０００」と置換し、「男」をダミー変数
「１．０００」と置換している。
１１は、１特徴が質的データである場合は、ダミー変数
を用いて、質的データである特徴の全サンプルデータを
量的データに変換する（ステップＳＴ２０４）。図５の
例では、「性別」は質的データであり、「女」をダミー
変数「０．０００」と置換し、「男」をダミー変数
「１．０００」と置換している。
【００２６】次に、データクレンジング分割処理装置１
１１は、サンプルデータの全特徴について上記クレンジ
ング処理を実施したか否か判定する（ステップＳＴ２０
５）。未だ全ての特徴について上記クレンジング処理を
実施していない場合は、上記ステップＳＴ２０１に戻っ
て上記クレンジング処理を繰り返す。一方、既に全ての
特徴について上記クレンジング処理を実施している場合
は、サンプルデータ群の分割処理に移行する。尚、図５
の例では、特徴「年齢」をクレンジング処理した後、特
徴「身長」「体重」「性別」というように順にクレンジ
ング処理を実行していく。サンプルデータ群のクレンジ
ング処理の結果は、図５（Ｂ）に示すような値となる。
１１は、サンプルデータの全特徴について上記クレンジ
ング処理を実施したか否か判定する（ステップＳＴ２０
５）。未だ全ての特徴について上記クレンジング処理を
実施していない場合は、上記ステップＳＴ２０１に戻っ
て上記クレンジング処理を繰り返す。一方、既に全ての
特徴について上記クレンジング処理を実施している場合
は、サンプルデータ群の分割処理に移行する。尚、図５
の例では、特徴「年齢」をクレンジング処理した後、特
徴「身長」「体重」「性別」というように順にクレンジ
ング処理を実行していく。サンプルデータ群のクレンジ
ング処理の結果は、図５（Ｂ）に示すような値となる。
【００２７】サンプルデータ群の分割処理は、以下のよ
うに行われる。データクレンジング分割処理装置１１１
は、情報源データベース１００のサンプルデータ群から
１サンプルデータを読み出して取得し（ステップＳＴ２
０６）、そのサンプルデータに欠損値が存在するか否か
判定する（ステップＳＴ２０７）。
うに行われる。データクレンジング分割処理装置１１１
は、情報源データベース１００のサンプルデータ群から
１サンプルデータを読み出して取得し（ステップＳＴ２
０６）、そのサンプルデータに欠損値が存在するか否か
判定する（ステップＳＴ２０７）。
【００２８】データクレンジング分割処理装置１１１
は、サンプルデータに欠損値が存在しない場合は、正常
なサンプルデータである正常データを正常データ蓄積装
置１１２に蓄積し（ステップＳＴ２０８）、サンプルデ
ータに欠損値が存在する場合は、欠損値を含むサンプル
データである欠損データを欠損データ蓄積装置１１３に
蓄積する（ステップＳＴ２０９）。図５（Ｃ）は、正常
データの一例を示し、また、図５（Ｄ）は、欠損データ
の一例を示している。
は、サンプルデータに欠損値が存在しない場合は、正常
なサンプルデータである正常データを正常データ蓄積装
置１１２に蓄積し（ステップＳＴ２０８）、サンプルデ
ータに欠損値が存在する場合は、欠損値を含むサンプル
データである欠損データを欠損データ蓄積装置１１３に
蓄積する（ステップＳＴ２０９）。図５（Ｃ）は、正常
データの一例を示し、また、図５（Ｄ）は、欠損データ
の一例を示している。
【００２９】次に、データクレンジング分割処理装置１
１１は、全サンプルデータについて上記分割処理を行っ
たか否か判定し（ステップＳＴ２１０）、判定の結果、
全てのサンプルデータについて処理していない場合は、
上記ステップＳＴ２０６に戻って上記分割処理を繰り返
し、一方、全てのサンプルデータについて処理している
場合は、処理を終了する。その後、欠損データ補完処理
装置１１４の処理に移行される。
１１は、全サンプルデータについて上記分割処理を行っ
たか否か判定し（ステップＳＴ２１０）、判定の結果、
全てのサンプルデータについて処理していない場合は、
上記ステップＳＴ２０６に戻って上記分割処理を繰り返
し、一方、全てのサンプルデータについて処理している
場合は、処理を終了する。その後、欠損データ補完処理
装置１１４の処理に移行される。
【００３０】尚、図５には、サンプルデータ群（図５
（Ａ））、サンプルデータ群のクレンジング結果（図５
（ｂ））、正常データ（図５（Ｃ））及び欠損データ
（図５（Ｄ））のいずれにも、サンプル番号及び特徴番
号が記載されていないが、図５（Ａ）及び図５（Ｂ）の
サンプルデータ群の各サンプルデータには、上から順番
にサンプル番号１，２，・・・，Ｎが付されているもの
とし、また、図５（Ｃ）の正常データには、上から順番
にサンプル番号ａ１，ａ２，・・・，ａＮが付されてい
るものとし、また、図５（Ｄ）の欠損データには、上か
ら順番にサンプル番号ｂ１，ｂ２，・・・，ｂＮが付さ
れているものとし、さらに、図５（Ａ）〜（Ｄ）の各特
徴には、左から順番に特徴番号１，２，・・・，ｎが付
されているものとする。
（Ａ））、サンプルデータ群のクレンジング結果（図５
（ｂ））、正常データ（図５（Ｃ））及び欠損データ
（図５（Ｄ））のいずれにも、サンプル番号及び特徴番
号が記載されていないが、図５（Ａ）及び図５（Ｂ）の
サンプルデータ群の各サンプルデータには、上から順番
にサンプル番号１，２，・・・，Ｎが付されているもの
とし、また、図５（Ｃ）の正常データには、上から順番
にサンプル番号ａ１，ａ２，・・・，ａＮが付されてい
るものとし、また、図５（Ｄ）の欠損データには、上か
ら順番にサンプル番号ｂ１，ｂ２，・・・，ｂＮが付さ
れているものとし、さらに、図５（Ａ）〜（Ｄ）の各特
徴には、左から順番に特徴番号１，２，・・・，ｎが付
されているものとする。
【００３１】（２）欠損データ補完処理装置１１４の動
作 図３は、欠損データ補完処理装置１１４の動作を説明す
るためのフローチャートである。また、図６は、欠損デ
ータ補完処理装置１１４が処理するデータの一例を示す
図である。
作 図３は、欠損データ補完処理装置１１４の動作を説明す
るためのフローチャートである。また、図６は、欠損デ
ータ補完処理装置１１４が処理するデータの一例を示す
図である。
【００３２】欠損データ補完処理装置１１４は、欠損デ
ータ蓄積装置１１３に蓄積されている１欠損データを取
り出して取得する（ステップＳＴ３０１）。図６の例で
は、特徴「身長」が欠損している欠損データを取り出し
て取得したものとしている。
ータ蓄積装置１１３に蓄積されている１欠損データを取
り出して取得する（ステップＳＴ３０１）。図６の例で
は、特徴「身長」が欠損している欠損データを取り出し
て取得したものとしている。
【００３３】次に、欠損データ補完処理装置１１４は、
取得した１欠損データと正常データ蓄積装置１１２に蓄
積されている全ての正常データとのマンハッタン距離
（Ｄｉｓｔ１，Ｄｉｓｔ２，・・・，ＤｉｓｔＮ）をマ
ンハッタン距離関数を用いて求める（算出する）（ステ
ップＳＴ３０２）。ここで、マンハッタン距離関数は、
次のような計算式で表される。
取得した１欠損データと正常データ蓄積装置１１２に蓄
積されている全ての正常データとのマンハッタン距離
（Ｄｉｓｔ１，Ｄｉｓｔ２，・・・，ＤｉｓｔＮ）をマ
ンハッタン距離関数を用いて求める（算出する）（ステ
ップＳＴ３０２）。ここで、マンハッタン距離関数は、
次のような計算式で表される。
【００３４】
【数１】
【００３５】（１）式において、特徴値ｉは、特徴番号
ｉに対応した特徴値である。このように、マンハッタン
距離は、欠損データの各特徴値から正常データの各特徴
値を引いた値の絶対値をそれぞれ出して、それらの絶対
値を足し合わせた値となる。図５及び図６の例では、マ
ンハッタン距離は、図６（Ｂ）の「距離」に示された値
となる。マンハッタン距離は、１欠損データと各正常デ
ータとが、どのくらい類似しているかを数値化したもの
であり、その値が小さい程、両データは類似しているこ
ととなる。
ｉに対応した特徴値である。このように、マンハッタン
距離は、欠損データの各特徴値から正常データの各特徴
値を引いた値の絶対値をそれぞれ出して、それらの絶対
値を足し合わせた値となる。図５及び図６の例では、マ
ンハッタン距離は、図６（Ｂ）の「距離」に示された値
となる。マンハッタン距離は、１欠損データと各正常デ
ータとが、どのくらい類似しているかを数値化したもの
であり、その値が小さい程、両データは類似しているこ
ととなる。
【００３６】従って、欠損データ補完処理装置１１４
は、マンハッタン距離が最小となる正常データの特徴値
（欠損データの欠損値に対応する特徴値）を補完候補
（補完データの候補）として決定し、その補完候補を欠
損データの欠損値に代入（補完）する（ステップＳＴ３
０３）。図６の例では、マンハッタン距離０．１３６が
最小値となっているので、その距離０．１３６に該当す
る正常データの特徴「身長」の特徴値「０．６９６」が
補完候補となり、欠損値に代入される。
は、マンハッタン距離が最小となる正常データの特徴値
（欠損データの欠損値に対応する特徴値）を補完候補
（補完データの候補）として決定し、その補完候補を欠
損データの欠損値に代入（補完）する（ステップＳＴ３
０３）。図６の例では、マンハッタン距離０．１３６が
最小値となっているので、その距離０．１３６に該当す
る正常データの特徴「身長」の特徴値「０．６９６」が
補完候補となり、欠損値に代入される。
【００３７】尚、補完データとせずに補完候補（補完デ
ータの候補）としているのは、欠損データ補完処理装置
１１４で求めた値で自動的に補完を行うのでなく、作業
者による最終的な判断の結果、当該値で補完しても良い
と判断された場合に初めて補完が行われるように構成さ
れているからである（即ち、未だ、補完データとして完
全に決定されたわけではない）（図４のステップＳＴ４
０２〜４０３参照）。
ータの候補）としているのは、欠損データ補完処理装置
１１４で求めた値で自動的に補完を行うのでなく、作業
者による最終的な判断の結果、当該値で補完しても良い
と判断された場合に初めて補完が行われるように構成さ
れているからである（即ち、未だ、補完データとして完
全に決定されたわけではない）（図４のステップＳＴ４
０２〜４０３参照）。
【００３８】次に、欠損データ補完処理装置１１４は、
全欠損データについて上記補完処理を実施したか否か判
定し（ステップＳＴ３０４）、その判定の結果、全ての
欠損データについて上記補完処理を実施していない場合
には、上記ステップＳＴ３０１に戻って、上記補完処理
を繰り返し、一方、全ての欠損データについて蒸気補完
処理を実施している場合には、補完処理を終了する。そ
の後、データ復元装置１１５の処理に移行される。
全欠損データについて上記補完処理を実施したか否か判
定し（ステップＳＴ３０４）、その判定の結果、全ての
欠損データについて上記補完処理を実施していない場合
には、上記ステップＳＴ３０１に戻って、上記補完処理
を繰り返し、一方、全ての欠損データについて蒸気補完
処理を実施している場合には、補完処理を終了する。そ
の後、データ復元装置１１５の処理に移行される。
【００３９】（３）データ復元装置１１５の動作 図４は、データ復元装置１１５の動作を説明するための
フローチャートである。図７は、データ復元装置１１５
が処理するデータの一例を示す図である。
フローチャートである。図７は、データ復元装置１１５
が処理するデータの一例を示す図である。
【００４０】データ復元装置１１５は、クレンジング処
理された補完後のサンプルデータ群の各特徴値を、情報
源データベース１００に蓄積されているサンプルデータ
群の特徴値を引用（参照）して、元のデータ形式の各特
徴値に復元する（ステップＳＴ４０１）。図７の例で
は、図７（Ａ）のクレンジング処理されたデータ形式の
サンプルデータ群の各特徴値を、図７（Ｂ）の元のデー
タ形式（情報源データベース１００に保存されたデータ
形式）のサンプルデータ群の各特徴値に復元する。
理された補完後のサンプルデータ群の各特徴値を、情報
源データベース１００に蓄積されているサンプルデータ
群の特徴値を引用（参照）して、元のデータ形式の各特
徴値に復元する（ステップＳＴ４０１）。図７の例で
は、図７（Ａ）のクレンジング処理されたデータ形式の
サンプルデータ群の各特徴値を、図７（Ｂ）の元のデー
タ形式（情報源データベース１００に保存されたデータ
形式）のサンプルデータ群の各特徴値に復元する。
【００４１】尚、サンプルデータ群の各特徴値を復元す
る際、情報源データベース１００に蓄積されているサン
プルデータ群の各特徴値を引用（参照）するのは、クレ
ンジング処理及び復元処理において特徴値に誤差が生じ
る可能性があるので、元のサンプルデータ群の特徴値を
参照することにより、そのような誤差をなくすためであ
る。
る際、情報源データベース１００に蓄積されているサン
プルデータ群の各特徴値を引用（参照）するのは、クレ
ンジング処理及び復元処理において特徴値に誤差が生じ
る可能性があるので、元のサンプルデータ群の特徴値を
参照することにより、そのような誤差をなくすためであ
る。
【００４２】次に、データ復元装置１１５は、欠損デー
タ補完処理装置１１４による上記補完処理で求めた復元
後の補完候補を補完データ制御装置１２０に出力する
（ステップＳＴ４０２）。補完データ制御装置１２０
は、データ復元装置１１５から出力された補完候補をデ
ィスプレイなどに画面表示する。作業者は、画面表示さ
れた補完候補をチェックして、補完候補が正常であるか
否か、即ち、補完候補による補完実施可能か否かを判断
する（ステップＳＴ４０３）。
タ補完処理装置１１４による上記補完処理で求めた復元
後の補完候補を補完データ制御装置１２０に出力する
（ステップＳＴ４０２）。補完データ制御装置１２０
は、データ復元装置１１５から出力された補完候補をデ
ィスプレイなどに画面表示する。作業者は、画面表示さ
れた補完候補をチェックして、補完候補が正常であるか
否か、即ち、補完候補による補完実施可能か否かを判断
する（ステップＳＴ４０３）。
【００４３】作業者は、補完実施可能であると判断した
場合（補完候補を了承した場合）は、補完された復元後
のサンプルデータ群を情報源データベース１３０に蓄積
して（ステップＳＴ４０４）、処理を終了する。尚、作
業者が、補完実施不可能であると判断した場合（補完候
補を了承しない場合）には、補完を実施せずに（補完候
補を欠損値に補完（代入）せずに）、処理を終了する。
場合（補完候補を了承した場合）は、補完された復元後
のサンプルデータ群を情報源データベース１３０に蓄積
して（ステップＳＴ４０４）、処理を終了する。尚、作
業者が、補完実施不可能であると判断した場合（補完候
補を了承しない場合）には、補完を実施せずに（補完候
補を欠損値に補完（代入）せずに）、処理を終了する。
【００４４】以上のように、この実施の形態によれば、
サンプルデータに欠損値が存在する場合、その欠損デー
タに類似する正常データをマンハッタン距離関数を用い
て求めて、欠損値に対応する正常データの特徴値を補完
データ（補完候補）とし、その補完データを欠損値に補
完するように構成されているので、補完データを自動的
に算出することができ、その結果、作業者の労力を大幅
に削減することができる。
サンプルデータに欠損値が存在する場合、その欠損デー
タに類似する正常データをマンハッタン距離関数を用い
て求めて、欠損値に対応する正常データの特徴値を補完
データ（補完候補）とし、その補完データを欠損値に補
完するように構成されているので、補完データを自動的
に算出することができ、その結果、作業者の労力を大幅
に削減することができる。
【００４５】また、補正データをマンハッタン距離関数
を用いて算出するように構成されているので、サンプル
データの情報能力を損なうことのない最適な値の補完デ
ータを算出することができ、その結果、データマイニン
グの解析品質を低下するのを極力防止することができ
る。また、多次元のサンプルデータの補完処理にも適用
することができ、システムの利便性が一層向上する。
を用いて算出するように構成されているので、サンプル
データの情報能力を損なうことのない最適な値の補完デ
ータを算出することができ、その結果、データマイニン
グの解析品質を低下するのを極力防止することができ
る。また、多次元のサンプルデータの補完処理にも適用
することができ、システムの利便性が一層向上する。
【００４６】また、マンハッタン距離関数で補完データ
を求める前に、クレンジング処理を施しているので、量
的データ及び質的データのいずれのデータに対しても、
またサンプルデータに両データを含んでいる場合でも、
補完データを算出して、補完処理を行うことができる。
を求める前に、クレンジング処理を施しているので、量
的データ及び質的データのいずれのデータに対しても、
またサンプルデータに両データを含んでいる場合でも、
補完データを算出して、補完処理を行うことができる。
【００４７】また、補完データ（補完候補）を算出して
も、この補完データを直ちに信頼するのではなく、作業
者が補完データを確認するによって補完処理を行うか否
かの最終的な判断を行えるように構成されているので、
即ち、欠損データ補完システム（計算機）で完全自動に
よって補完が行われているのではなく、作業者が介入し
て補完が行われるように構成されているので、サンプル
データ中の特徴値が意図的に欠損されている場合（欠損
値には、異常値や危険値などのように、意図的に欠損さ
れているような場合も存在する）には、データマイニン
グの解析結果などが著しく信頼性を損なわれてしまうこ
とも起こり得るが、このような事態を回避することがで
きる。
も、この補完データを直ちに信頼するのではなく、作業
者が補完データを確認するによって補完処理を行うか否
かの最終的な判断を行えるように構成されているので、
即ち、欠損データ補完システム（計算機）で完全自動に
よって補完が行われているのではなく、作業者が介入し
て補完が行われるように構成されているので、サンプル
データ中の特徴値が意図的に欠損されている場合（欠損
値には、異常値や危険値などのように、意図的に欠損さ
れているような場合も存在する）には、データマイニン
グの解析結果などが著しく信頼性を損なわれてしまうこ
とも起こり得るが、このような事態を回避することがで
きる。
【００４８】
【発明の効果】以上のように、請求項１及び４記載の発
明によれば、データベースに蓄積されているサンプルデ
ータ群の中から、一部の特徴の欠損が存在する欠損デー
タを検出し、当該欠損データと欠損のない正常データと
に分割する欠損検出分割処理ステップ（部）と、欠損デ
ータに類似する正常データを所定の類似尺度を用いて求
め、その求めた正常データにおける欠損データの欠損特
徴に対応する特徴のデータを補完データとして、欠損デ
ータの欠損特徴に代入して補完する補完処理ステップ
（部）とを備えたので、補完データを自動的に算出する
ことができ、その結果、作業者の労力を大幅に削減する
ことができる。
明によれば、データベースに蓄積されているサンプルデ
ータ群の中から、一部の特徴の欠損が存在する欠損デー
タを検出し、当該欠損データと欠損のない正常データと
に分割する欠損検出分割処理ステップ（部）と、欠損デ
ータに類似する正常データを所定の類似尺度を用いて求
め、その求めた正常データにおける欠損データの欠損特
徴に対応する特徴のデータを補完データとして、欠損デ
ータの欠損特徴に代入して補完する補完処理ステップ
（部）とを備えたので、補完データを自動的に算出する
ことができ、その結果、作業者の労力を大幅に削減する
ことができる。
【００４９】請求項２及び５記載の発明によれば、所定
の類似尺度として、マンハッタン関数で算出される欠損
データと正常データの距離としたので、サンプルデータ
の情報能力を損なうことのない最適な値の補完データを
算出することができ、その結果、データマイニングの解
析品質を低下するのを極力防止することができ、また、
多次元のサンプルデータの補完処理にも適用することが
でき、システムの利便性が一層向上する。
の類似尺度として、マンハッタン関数で算出される欠損
データと正常データの距離としたので、サンプルデータ
の情報能力を損なうことのない最適な値の補完データを
算出することができ、その結果、データマイニングの解
析品質を低下するのを極力防止することができ、また、
多次元のサンプルデータの補完処理にも適用することが
でき、システムの利便性が一層向上する。
【００５０】請求項３及び６記載の発明に係る欠損デー
タ補完方法及びシステムは、補完データを求める前に、
サンプルデータ中の量的データを正規化し、また質的デ
ータをダミー変数に置換するクレンジング処理ステップ
（部）と、クレンジング処理されたサンプルデータを元
のデータ形式に復元する復元処理ステップ（部）とをさ
らに設けたので、量的データ及び質的データのいずれの
データに対しても、またサンプルデータに両データを含
んでいる場合でも、補完データを算出して、補完処理を
行うことができる。
タ補完方法及びシステムは、補完データを求める前に、
サンプルデータ中の量的データを正規化し、また質的デ
ータをダミー変数に置換するクレンジング処理ステップ
（部）と、クレンジング処理されたサンプルデータを元
のデータ形式に復元する復元処理ステップ（部）とをさ
らに設けたので、量的データ及び質的データのいずれの
データに対しても、またサンプルデータに両データを含
んでいる場合でも、補完データを算出して、補完処理を
行うことができる。
【００５１】請求項７記載の発明に係る欠損データ補完
システムは、補完処理を完了する前に、補完データを画
面表示させる補完データ制御部を設けたので、サンプル
データ中の特徴値が意図的に欠損されている場合でも、
データマイニングの解析結果などが著しく信頼性を損な
われてしまうような事態を回避することができる。
システムは、補完処理を完了する前に、補完データを画
面表示させる補完データ制御部を設けたので、サンプル
データ中の特徴値が意図的に欠損されている場合でも、
データマイニングの解析結果などが著しく信頼性を損な
われてしまうような事態を回避することができる。
【図１】 本発明の欠損データ補完システムを示すブロ
ック図である。
ック図である。
【図２】 データクレンジング分割処理装置の動作を説
明するためのフローチャートである。
明するためのフローチャートである。
【図３】 欠損データ補完処理装置の動作を説明するた
めのフローチャートである。
めのフローチャートである。
【図４】 データ復元装置の動作を説明するためのフロ
ーチャートである。
ーチャートである。
【図５】 データクレンジング分割処理装置が処理する
データの一例を示す図である。
データの一例を示す図である。
【図６】 欠損データ補完処理装置が処理するデータの
一例を示す図である。
一例を示す図である。
【図７】 データ復元装置が処理するデータの一例を示
す図である。
す図である。
１００，１３０ 情報源データベース（データベース） １１１ データクレンジング分割処理装置（欠損検出分
割処理部、データクレンジング処理部） １１２ 正常データ蓄積装置 １１３ 欠損データ蓄積装置 １１４ 欠損データ補完処理装置（補完処理部） １１５ データ復元装置（復元処理部） １１０ 欠損データ補完装置 １２０ 補完データ制御装置（補完データ制御部）
割処理部、データクレンジング処理部） １１２ 正常データ蓄積装置 １１３ 欠損データ蓄積装置 １１４ 欠損データ補完処理装置（補完処理部） １１５ データ復元装置（復元処理部） １１０ 欠損データ補完装置 １２０ 補完データ制御装置（補完データ制御部）
Claims (7)
- 【請求項１】 データベースに蓄積されているサンプル
データ群の中から、一部の特徴の欠損が存在する欠損デ
ータを検出し、当該欠損データと欠損のない正常データ
とに分割する欠損検出分割処理ステップと、 前記欠損データに類似する前記正常データを所定の類似
尺度を用いて求め、その求めた前記正常データにおける
前記欠損データの欠損特徴に対応する特徴のデータを補
完データとして、前記欠損データの欠損特徴に代入して
補完する補完処理ステップとを備えたことを特徴とする
欠損データ補完方法。 - 【請求項２】 所定の類似尺度は、マンハッタン関数で
算出される欠損データと正常データの距離であることを
特徴とする請求項１記載の欠損データ補完方法。 - 【請求項３】 補完データを求める前に、サンプルデー
タ中の量的データを正規化し、また質的データをダミー
変数に置換するクレンジング処理ステップが設けられる
とともに、前記クレンジング処理されたサンプルデータ
を元のデータ形式に復元する復元処理ステップが設けら
れたことを特徴とする請求項１又は請求項２記載の欠損
データ補完方法。 - 【請求項４】 データベースに蓄積されているサンプル
データ群の中から、一部の特徴の欠損が存在する欠損デ
ータを検出し、当該欠損データと欠損のない正常データ
とに分割する欠損検出分割処理部と、 前記欠損データに類似する前記正常データを所定の類似
尺度を用いて求め、その求めた前記正常データにおける
前記欠損データの欠損特徴に対応する特徴のデータを補
完データとして、前記欠損データの欠損特徴に代入して
補完する補完処理部とを備えたことを特徴とする欠損デ
ータ補完システム。 - 【請求項５】 所定の類似尺度は、マンハッタン関数で
算出される欠損データと正常データの距離であることを
特徴とする請求項４記載の欠損データ補完システム。 - 【請求項６】 補完データを求める前に、サンプルデー
タ中の量的データを正規化し、また質的データをダミー
変数に置換するクレンジング処理部が設けられるととも
に、前記クレンジング処理されたサンプルデータを元の
データ形式に復元する復元処理部が設けられたことを特
徴とする請求項４又は請求項５記載の欠損データ補完シ
ステム。 - 【請求項７】 補完処理を完了する前に、補完データを
画面表示させる補完データ制御部が設けられたことを特
徴とする請求項４から請求項６のうちのいずれか１項記
載の欠損データ補完システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001013175A JP3654193B2 (ja) | 2001-01-22 | 2001-01-22 | 欠損データ補完方法及び欠損データ補完システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001013175A JP3654193B2 (ja) | 2001-01-22 | 2001-01-22 | 欠損データ補完方法及び欠損データ補完システム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2002215646A true JP2002215646A (ja) | 2002-08-02 |
| JP3654193B2 JP3654193B2 (ja) | 2005-06-02 |
Family
ID=18880075
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001013175A Expired - Fee Related JP3654193B2 (ja) | 2001-01-22 | 2001-01-22 | 欠損データ補完方法及び欠損データ補完システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3654193B2 (ja) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7584162B2 (en) | 2005-09-14 | 2009-09-01 | Fujitsu Microelectronics Limited | Manufacture data analysis method and manufacture data analyzer apparatus |
| JP2009301447A (ja) * | 2008-06-17 | 2009-12-24 | Nec Corp | 情報処理装置 |
| JP2010152692A (ja) * | 2008-12-25 | 2010-07-08 | Nec Corp | 類似度計算装置、類似度計算方法およびプログラム |
| JP2014029611A (ja) * | 2012-07-31 | 2014-02-13 | Hitachi Systems Ltd | 予測値評価支援システム、方法及びプログラム |
| JP2016024655A (ja) * | 2014-07-22 | 2016-02-08 | Kddi株式会社 | データ解析装置及びプログラム |
| JP2017151681A (ja) * | 2016-02-24 | 2017-08-31 | 日本電信電話株式会社 | データ補完装置及びデータ補完方法 |
| US10175664B2 (en) | 2011-05-31 | 2019-01-08 | Toyota Jidosha Kabushiki Kaisha | Sensor information complementing system and sensor information complementing method |
| JP2020129224A (ja) * | 2019-02-07 | 2020-08-27 | 株式会社インテージ | データ管理システム、データ管理方法、およびデータ管理プログラム |
| JP6962435B1 (ja) * | 2020-10-12 | 2021-11-05 | トヨタ自動車株式会社 | 機械学習装置 |
| WO2022180681A1 (ja) * | 2021-02-24 | 2022-09-01 | 日本電気株式会社 | データ生成システム、データ生成方法およびデータ生成プログラム |
| US11562275B2 (en) | 2019-03-20 | 2023-01-24 | Fujitsu Limited | Data complementing method, data complementing apparatus, and non-transitory computer-readable storage medium for storing data complementing program |
| JP7582438B2 (ja) | 2021-02-24 | 2024-11-13 | 日本電気株式会社 | データ生成システム、データ生成方法およびデータ生成プログラム |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06119309A (ja) * | 1992-10-02 | 1994-04-28 | Intetsuku:Kk | 購入見込み度合予測方法及び顧客管理システム |
| JPH11175552A (ja) * | 1997-12-12 | 1999-07-02 | Fujitsu Ltd | データベース検索装置及びデータベース検索プログラムを記録したコンピュータ読み取り可能な記録媒体 |
| JPH11238006A (ja) * | 1998-02-19 | 1999-08-31 | Nippon Telegr & Teleph Corp <Ntt> | データクリーニング処理方法および装置とデータクリーニング処理プログラムを記録した記録媒体 |
| JP2000172697A (ja) * | 1998-12-03 | 2000-06-23 | Sony Corp | 顧客情報検索方法及び顧客情報検索装置、データ作成方法、並びにデータベース |
| JP2001184329A (ja) * | 1999-12-24 | 2001-07-06 | Fujitsu Ltd | 状況認識装置 |
| JP2002063311A (ja) * | 2000-08-18 | 2002-02-28 | Vlc Co Ltd | データ集計システム |
-
2001
- 2001-01-22 JP JP2001013175A patent/JP3654193B2/ja not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06119309A (ja) * | 1992-10-02 | 1994-04-28 | Intetsuku:Kk | 購入見込み度合予測方法及び顧客管理システム |
| JPH11175552A (ja) * | 1997-12-12 | 1999-07-02 | Fujitsu Ltd | データベース検索装置及びデータベース検索プログラムを記録したコンピュータ読み取り可能な記録媒体 |
| JPH11238006A (ja) * | 1998-02-19 | 1999-08-31 | Nippon Telegr & Teleph Corp <Ntt> | データクリーニング処理方法および装置とデータクリーニング処理プログラムを記録した記録媒体 |
| JP2000172697A (ja) * | 1998-12-03 | 2000-06-23 | Sony Corp | 顧客情報検索方法及び顧客情報検索装置、データ作成方法、並びにデータベース |
| JP2001184329A (ja) * | 1999-12-24 | 2001-07-06 | Fujitsu Ltd | 状況認識装置 |
| JP2002063311A (ja) * | 2000-08-18 | 2002-02-28 | Vlc Co Ltd | データ集計システム |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7584162B2 (en) | 2005-09-14 | 2009-09-01 | Fujitsu Microelectronics Limited | Manufacture data analysis method and manufacture data analyzer apparatus |
| JP2009301447A (ja) * | 2008-06-17 | 2009-12-24 | Nec Corp | 情報処理装置 |
| JP2010152692A (ja) * | 2008-12-25 | 2010-07-08 | Nec Corp | 類似度計算装置、類似度計算方法およびプログラム |
| US10175664B2 (en) | 2011-05-31 | 2019-01-08 | Toyota Jidosha Kabushiki Kaisha | Sensor information complementing system and sensor information complementing method |
| DE112012002285B4 (de) | 2011-05-31 | 2024-08-01 | Toyota Jidosha Kabushiki Kaisha | System und Verfahren zur Ergänzung von Sensorinformationen |
| JP2014029611A (ja) * | 2012-07-31 | 2014-02-13 | Hitachi Systems Ltd | 予測値評価支援システム、方法及びプログラム |
| JP2016024655A (ja) * | 2014-07-22 | 2016-02-08 | Kddi株式会社 | データ解析装置及びプログラム |
| JP2017151681A (ja) * | 2016-02-24 | 2017-08-31 | 日本電信電話株式会社 | データ補完装置及びデータ補完方法 |
| JP2020129224A (ja) * | 2019-02-07 | 2020-08-27 | 株式会社インテージ | データ管理システム、データ管理方法、およびデータ管理プログラム |
| US11562275B2 (en) | 2019-03-20 | 2023-01-24 | Fujitsu Limited | Data complementing method, data complementing apparatus, and non-transitory computer-readable storage medium for storing data complementing program |
| JP6962435B1 (ja) * | 2020-10-12 | 2021-11-05 | トヨタ自動車株式会社 | 機械学習装置 |
| US11377110B2 (en) | 2020-10-12 | 2022-07-05 | Toyota Jidosha Kabushiki Kaisha | Machine learning device |
| WO2022180681A1 (ja) * | 2021-02-24 | 2022-09-01 | 日本電気株式会社 | データ生成システム、データ生成方法およびデータ生成プログラム |
| JP7582438B2 (ja) | 2021-02-24 | 2024-11-13 | 日本電気株式会社 | データ生成システム、データ生成方法およびデータ生成プログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3654193B2 (ja) | 2005-06-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9342756B2 (en) | Methods and apparatus to detect differences between images | |
| JP2002215646A (ja) | 欠損データ補完方法及び欠損データ補完システム | |
| CN109300014B (zh) | 基于日志挖掘的商品推荐方法、装置、服务器及存储介质 | |
| US20030182296A1 (en) | Association candidate generating apparatus and method, association-establishing system, and computer-readable medium recording an association candidate generating program therein | |
| KR100992345B1 (ko) | 서비스 평가 방법, 시스템 및 컴퓨터 판독가능한 기록매체 | |
| US20240362908A1 (en) | Image analysis apparatus, image analysis method, and storage medium | |
| CN114548100A (zh) | 一种基于大数据技术的临床科研辅助方法与系统 | |
| CN109727056B (zh) | 金融机构推荐方法、设备、存储介质及装置 | |
| EP3719806A1 (en) | A computer-implemented method, an apparatus and a computer program product for assessing performance of a subject in a cognitive function test | |
| JP2001265596A (ja) | データマイニング装置およびデータマイニング方法 | |
| JP4828716B2 (ja) | データ追加型分析装置及びプログラム | |
| JP2004094379A (ja) | 類似画像検索装置 | |
| JP2024503317A (ja) | ニューラルネットワークの出力解析方法及びそのためのシステム | |
| CN113257409A (zh) | 一种基于患者病症症状与医学检验报告的临床决策支持系统 | |
| CN112560952A (zh) | 供应商考核方法、装置、电子设备和存储介质 | |
| JP5118707B2 (ja) | 検索ログ悪用防止方法及び装置 | |
| JP5169648B2 (ja) | 原画像探索装置及び原画像探索プログラム | |
| CN118197649B (zh) | 基于大数据的多囊卵巢综合征筛查方法 | |
| CN112286986B (zh) | 一种基于企业族谱的产权分析管理系统 | |
| JP2000099575A (ja) | 有望顧客抽出方法及び装置 | |
| JP7511797B2 (ja) | 保守支援システム、保守支援方法、および、保守支援プログラム | |
| KR100515286B1 (ko) | 다중 영상물체 추출기 결합 장치 및 그 방법 | |
| US20240170111A1 (en) | Receipt data examination device, receipt data examination method, and storage medium | |
| CN118536867A (zh) | 服务质检方法及装置、计算机可读存储介质、电子设备 | |
| JPH0452219A (ja) | 鉄鋼製品の製造可否判定方法及びその装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040907 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20041029 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20050208 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050221 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| LAPS | Cancellation because of no payment of annual fees |