JP2015170184A - 未観測因子推定支援装置、未観測因子推定支援方法および未観測因子推定支援プログラム - Google Patents
未観測因子推定支援装置、未観測因子推定支援方法および未観測因子推定支援プログラム Download PDFInfo
- Publication number
- JP2015170184A JP2015170184A JP2014045193A JP2014045193A JP2015170184A JP 2015170184 A JP2015170184 A JP 2015170184A JP 2014045193 A JP2014045193 A JP 2014045193A JP 2014045193 A JP2014045193 A JP 2014045193A JP 2015170184 A JP2015170184 A JP 2015170184A
- Authority
- JP
- Japan
- Prior art keywords
- explanatory
- explanatory variable
- variable
- value
- variables
- 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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
<概略>
以下では、映画評価の予測の例を用いて説明するが、もちろん、以下の実施形態は、映画評価の予測への適用のみに限定されない。各サンプルに説明変数と目的変数が付与されており、複数のサンプルの説明変数を用いて、各サンプルに対して目的変数を予測する予測問題であれば、あらゆる問題に適用することが可能である。適用可能な分野には、商品の販売予測から、たとえば災害対策のための自然現象の解析、製品の製造工程の評価など、あらゆる分野が含まれ得る。
「予測問題」とは、各サンプルには目的変数と説明変数が付与されている場合、複数のサンプルの説明変数を用いて、各サンプルに対して目的変数を予測する問題を指すことがある。
「説明変数」とは、予測問題において、目的変数の予測に用いることのできる変数を指すことがある。
図1では、S1からS12までの12人のサンプル(評価者)の各々が、映画A(ドキュメンタリ映画)と映画B(有名アイドル主演映画)と映画C(アニメ映画)の3つの映画について既に評価をして評価値が決められているものとする。評価値は1から10の10段階で、評価の数字が大きくなるほど、そのサンプルの評価は高いものとする。
図2には、図1のような状況において、各サンプルの映画Xに対する実際の評価値が目的変数の欄に記載されている。また、図2の予測値の欄には、各サンプルの映画Xに対する評価値の予測値が記載されている。予測値は、説明変数の値から、所定の処理を行うことで得られるものとする。この所定の処理のアルゴリズムは、説明変数の値から予測値が算出されるものであれば良い。図2の予測誤差の欄には、各サンプルの映画Xに対する実際の評価値と各サンプルの映画Xに対する評価値の予測値の差である予測誤差の値が記載されている。
図3は、OnLine Analytical Processing(OLAP)手法などを用いて、既存の説明変数に沿った形で予測誤差の分布を可視化することにより、予測誤差の特性を把握する例を概念的に示している。
よって、追加候補として妥当な説明変数の個数と種類を、少なく絞り込む必要がある。
(C1)既存の各説明変数の有無による予測誤差の絶対値の差を各説明変数の予測効果とし、予測効果の高いサンプル群が予測誤差の大きいサンプルの大部分をカバーできるような、少数の追加候補説明変数群を選ぶ。
(C2)追加候補説明変数群に対し、それらの予測効果が高いサンプル群が偏って存在する俯瞰用説明変数を選ぶ。
(C3)(C1)で選ばれた追加候補説明変数群を、俯瞰用説明変数が存在する説明変数の組み合わせの中から選ぶ。すなわち、予測効果の高いサンプル群の分布の特徴が、既存の説明変数で把握しやすいように説明変数を選ぶ。
図8は、実施形態の未観測因子推定支援装置の機能ブロック図の例を示す図である。
追加候補説明変数選択部104は、入力部102で受けたデータに基づいて、追加候補説明変数群を選択する。
図9の表α1には、S1からS12までの12人のサンプル(評価者)の各々が、映画A(ドキュメンタリ映画)と映画B(有名アイドル主演映画)と映画C(アニメ映画)の3つの映画について既に評価をして評価値と、目的変数である映画Xの評価値、目的変数である映画Xの予測値、目的変数である映画Xの予測値と評価値の差である予測誤差、予測誤差の2乗誤差が記入されている。図9の表α2には、S1からS12までの12人のサンプル(評価者)の各々が、映画B(有名アイドル主演映画)と映画C(アニメ映画)の3つの映画について既に評価をして評価値と、目的変数である映画Xの評価値、目的変数である映画Xの予測値、目的変数である映画Xの予測値と評価値の差である予測誤差、予測誤差の2乗誤差が記入されている。つまり、表α2は、表α1から説明変数の一つ、映画A(ドキュメンタリ映画)を消去して得られる表である。予測値は、説明変数として、映画A、B、Cの評価値を用いて計算された、目的変数である映画Xの評価値の予測値である。
具体的には俯瞰用説明変数選択部106は、追加候補説明変数ごとに効果スコアが高い代表サンプルを選び、それらのサンプルの値(映画の評価)が偏っている説明変数の中から、全ての追加候補説明変数の代表サンプルの値が偏っている説明変数を、俯瞰用説明変数として選んでも良い。つまり俯瞰用説明変数選択部106は、追加候補説明変数ごとに、その効果スコアが高い代表サンプル同士を選び、それらのサンプルの値の分散が所定値以下となる説明変数を抽出した後に、全ての追加候補説明変数の前記の分散が所定値以下となる説明変数を、俯瞰用説明変数として選択しても良い。
俯瞰用説明変数選択部106は、全ての追加候補説明変数の代表サンプルに対して分散が小さい説明変数を、俯瞰用説明変数として選択する。
図13は、出力部108の出力の例を示す図である。図13では、追加候補説明変数の効果スコアと俯瞰用説明変数の値の関係の例が示されている。図13に示されている表の中で、三角印のプロットは、映画Aに対する評価の効果スコアを示している。また、図13に示されている表の中で、丸印のプロットは、映画Bに対する評価の効果スコアを示している。
このコンピュータ200は、Central Processing Unit(CPU)202、Read Only Memory(ROM)204、及びRandom Access Memory(RAM)206を備えている。コンピュータ500は、さらに、ハードディスク装置208、入力装置210、表示装置212、インターフェース装置214、及び記録媒体駆動装置216を備えている。なお、これらの構成要素はバスライン220を介して接続されており、CPU202の管理の下で各種のデータを相互に授受することができる。
図15は、未観測因子推定支援処理の流れを示す図である。
追加候補説明変数選択処理について、図16を参照して説明する。
俯瞰用説明変数選択処理について、図17を参照して説明する。
(付記1)
複数のサンプルと複数の説明変数に対して与えられる評価値を用いて、目的変数の値を予測するために、前記複数の説明変数に加える新たな説明変数の予測を支援する未観測因子推定支援装置であって、
前記評価値を用いて前記目的変数の値を予測して得られる第1の予測値と、前記目的変数の値との差を誤差として算出し、前記複数の説明変数のうちの一つを除いて前記目的変数の値を予測して得られる第2の予測値と、前記第1の予測値との差を前記除かれた一つの説明変数に対する効果スコアとして算出し、前記誤差を、前記効果スコアの線形和として表すような前記複数の説明変数の少なくとも一つを第1の説明変数として選択する第1の説明変数選択部と、
前記第1の説明変数に対する前記効果スコアに基づいて前記複数のサンプルの一部を代表サンプルとして抽出し、前記代表サンプルの前記複数の説明変数の各々に対する前記評価値に基づいて前記複数の説明変数の一つを第2の説明変数として選択する第2の説明変数選択部と、
前記第2の説明変数に対する前記評価値と、前記第1の説明変数の前記サンプルに対する前記効果スコアの値を出力する出力部と、
を含む未観測因子推定支援装置。
(付記2)
前記第2の説明変数選択部は、前記効果スコアの分布に基づいて、前記複数のサンプルの一部を前記複数の説明変数の一つに対する代表サンプルとして抽出する、付記1に記載の未観測因子推定支援装置。
(付記3)
前記第2の説明変数選択部は、所定の第1の値以上の前記効果スコアを与える前記複数のサンプルの一部を前記複数の説明変数の一つに対する代表サンプルとして抽出する、付記2に記載の未観測因子推定支援装置。
(付記4)
前記第2の説明変数選択部は、前記代表サンプルに対する前記評価値の分布に基づいて、前記説明変数の一つを第2の説明変数として選択する、付記1乃至3のいずれか一項に記載の未観測因子推定支援装置。
(付記5)
前記第2の説明変数選択部は、前記代表サンプルに対する前記複数の説明変数の各々に対する前記評価値の分散を算出し、前記第1の説明変数に対し、前記分散が第2の値以下の前記説明変数の一つを前記第2の説明変数として選択する付記4に記載の未観測因子推定支援装置。
(付記6)
前記第1の説明変数選択部は、前記複数の説明変数の各々に対して、前記複数のサンプルの一部を前記複数の説明変数の一つに対する代表サンプルとして抽出し、前記複数の説明変数の一部に対する前記代表サンプルを併せて得られる集合の分布が、前記誤差の分布に類似するような前記複数の説明変数の一部を前記第1の説明変数として選択する、付記1乃至5のいずれか一項に記載の未観測因子推定支援装置。
(付記7)
前記第2の説明変数選択部は、前記誤差に対する、前記効果スコアによる重回帰分析の情報量基準が最小になる前記説明変数の組み合わせを前記第1の説明変数として選択する、付記1乃至6のいずれか一項に記載の未観測因子推定支援装置。
(付記8)
前記第2の説明変数選択部が、所定の条件を満たす前記説明変数を見出せない場合、前記第1の説明変数選択部が、前記第1の説明変数を選択しなおす、付記1乃至8のいずれか一項に記載の未観測因子推定支援装置。
(付記9)
コンピュータによって実行される、複数のサンプルと複数の説明変数に対して与えられる評価値を用いて、目的変数の値を予測するために、前記複数の説明変数に加える新たな説明変数の予測を支援する未観測因子推定支援方法であって、
前記評価値を用いて前記目的変数の値を予測して得られる第1の予測値と、前記目的変数の値との差を誤差として算出することと、
前記複数の説明変数のうちの一つを除いて前記目的変数の値を予測して得られる第2の予測値と、前記第1の予測値との差を前記除かれた一つの説明変数に対する効果スコアとして算出し、前記誤差を、前記効果スコアの線形和として表すような前記複数の説明変数の少なくとも一つを第1の説明変数として選択することと、
前記第1の説明変数に対する前記効果スコアに基づいて前記複数のサンプルの一部を代表サンプルとして抽出し、前記代表サンプルの前記複数の説明変数の各々に対する前記評価値に基づいて前記複数の説明変数の一つを第2の説明変数として選択することと、
前記第2の説明変数に対する前記第2の予測値と、前記第1の説明変数の前記サンプルに対する前記効果スコアの値を出力することと、
を含む未観測因子推定支援方法。
(付記10)
前記代表サンプルを抽出することは、前記効果スコアの分布に基づいて、前記複数のサンプルの一部を前記複数の説明変数の一つに対する代表サンプルとして抽出する、付記9に記載の未観測因子推定支援方法。
(付記11)
前記代表サンプルを抽出することは、所定の第1の値以上の前記効果スコアを与える前記複数のサンプルの一部を前記複数の説明変数の一つに対する代表サンプルとして抽出する、付記10に記載の未観測因子推定支援方法。
(付記12)
前記第2の説明変数を選択することは、前記代表サンプルに対する前記評価値の分布に基づいて、前記説明変数の一つを第2の説明変数として選択する、付記9乃至11のいずれか一項に記載の未観測因子推定支援方法。
(付記13)
前記第2の説明変数を選択することは、前記代表サンプルに対する前記複数の説明変数の各々に対する前記評価値の分散を算出し、前記第1の説明変数の全てに対し、前記分散が所定の第2の値以下の前記説明変数の一つを第2の説明変数として選択する付記12に記載の未観測因子推定支援方法。
(付記14)
前記第1の説明変数を選択することは、前記複数の説明変数の各々に対して、前記複数のサンプルの一部を前記複数の説明変数の一つに対する代表サンプルとして抽出し、前記複数の説明変数の一部に対する前記代表サンプルを併せて得られる集合の分布が、前記誤差の分布に類似するような前記複数の説明変数の一部を前記第1の説明変数として選択する、付記10乃至14のいずれか一項に記載の未観測因子推定支援方法。
(付記15)
前記第2の説明変数を選択することは、前記誤差に対する、前記効果スコアによる重回帰分析の情報量基準が最小になる前記説明変数の組み合わせを前記第1の説明変数として選択する、付記9乃至14のいずれか一項に記載の未観測因子推定支援方法。
(付記16)
前記第2の説明変数を選択することが、所定の条件を満たす前記説明変数を見出せない場合、前記前記第1の説明変数を選択することで、前記第1の説明変数を選択しなおす、付記9乃至15のいずれか一項に記載の未観測因子推定支援方法。
(付記17)
コンピュータに、複数のサンプルと複数の説明変数に対して与えられる評価値を用いて、目的変数の値を予測するために、前記複数の説明変数に加える新たな説明変数の予測を支援する処理を行わせる未観測因子推定支援プログラムであって、
前記評価値を用いて前記目的変数の値を予測して得られる第1の予測値と、前記目的変数の値との差を誤差として算出し、
前記複数の説明変数のうちの一つを除いて前記目的変数の値を予測して得られる第2の予測値と、前記第1の予測値との差を前記除かれた一つの説明変数に対する効果スコアとして算出し、前記誤差を、前記効果スコアの線形和として表すような前記複数の説明変数の少なくとも一つを第1の説明変数として選択し、
前記第1の説明変数に対する前記効果スコアに基づいて前記複数のサンプルの一部を代表サンプルとして抽出し、前記代表サンプルの前記複数の説明変数の各々に対する前記評価値に基づいて前記複数の説明変数の一つを第2の説明変数として選択し、
前記第2の説明変数に対する前記第2の予測値と、前記第1の説明変数の前記サンプルに対する前記効果スコアの値を出力すると、
処理をコンピュータに実行させることを特徴とする未観測因子推定支援プログラム。
(付記18)
前記代表サンプルを抽出することは、前記効果スコアの分布に基づいて、前記複数のサンプルの一部を前記複数の説明変数の一つに対する代表サンプルとして抽出する、付記17に記載の未観測因子推定支援プログラム。
(付記19)
前記代表サンプルを抽出することは、所定の第1の値以上の前記効果スコアを与える前記複数のサンプルの一部を前記複数の説明変数の一つに対する代表サンプルとして抽出する、付記18に記載の未観測因子推定支援プログラム。
(付記20)
前記第2の説明変数を選択することは、前記代表サンプルに対する前記評価値の分布に基づいて、前記説明変数の一つを第2の説明変数として選択する、付記17乃至19のいずれか一項に記載の未観測因子推定支援プログラム。
(付記21)
前記第2の説明変数を選択することは、前記代表サンプルに対する前記複数の説明変数の各々に対する前記評価値の分散を算出し、前記第1の説明変数の全てに対し、前記分散が所定の第2の値以下の前記説明変数の一つを俯瞰用説明変数として選択する、付記20に記載の未観測因子推定支援プログラム。
(付記22)
前記第1の説明変数を選択することは、前記複数の説明変数の各々に対して、前記複数のサンプルの一部を前記複数の説明変数の一つに対する代表サンプルとして抽出し、前記複数の説明変数の一部に対する前記代表サンプルを併せて得られる集合の分布が、前記誤差の分布に類似するような前記複数の説明変数の一部を前記第1の説明変数として選択する、付記17乃至21のいずれか一項に記載の未観測因子推定支援プログラム。
(付記23)
前記第2の説明変数を選択することは、前記誤差に対する、前記効果スコアによる重回帰分析の情報量基準が最小になる前記説明変数の組み合わせを前記第1の説明変数として選択する、付記17乃至22のいずれか一項に記載の未観測因子推定支援プログラム。
(付記24)
前記第2の説明変数を選択することが、所定の条件を満たす前記説明変数を見出せない場合、前記前記第1の説明変数を選択することで、前記第1の説明変数を選択しなおす、付記17乃至23のいずれか一項に記載の未観測因子推定支援プログラム。
102 入力部
104 追加候補説明変数選択部
106 俯瞰用説明変数選択部
108 出力部
Claims (10)
- 複数のサンプルと複数の説明変数に対して与えられる評価値を用いて、目的変数の値を予測するために、前記複数の説明変数に加える新たな説明変数の予測を支援する未観測因子推定支援装置であって、
前記評価値を用いて前記目的変数の値を予測して得られる第1の予測値と、前記目的変数の値との差を誤差として算出し、前記複数の説明変数のうちの一つを除いて前記目的変数の値を予測して得られる第2の予測値と、前記第1の予測値との差を前記除かれた一つの説明変数に対する効果スコアとして算出し、前記誤差を、前記効果スコアの線形和として表すような前記複数の説明変数の少なくとも一つを第1の説明変数として選択する第1の説明変数選択部と、
前記第1の説明変数に対する前記効果スコアに基づいて前記複数のサンプルの一部を代表サンプルとして抽出し、前記代表サンプルの前記複数の説明変数の各々に対する前記評価値に基づいて前記複数の説明変数の一つを第2の説明変数として選択する第2の説明変数選択部と、
前記第2の説明変数に対する前記評価値と、前記第1の説明変数の前記サンプルに対する前記効果スコアの値を出力する出力部と、
を含む未観測因子推定支援装置。 - 前記第2の説明変数選択部は、前記効果スコアの分布に基づいて、前記複数のサンプルの一部を前記複数の説明変数の一つに対する代表サンプルとして抽出する、付記1に記載の未観測因子推定支援装置。
- 前記第2の説明変数選択部は、所定の第1の値以上の前記効果スコアを与える前記複数のサンプルの一部を前記複数の説明変数の一つに対する代表サンプルとして抽出する、請求項2に記載の未観測因子推定支援装置。
- 前記第2の説明変数選択部は、前記代表サンプルに対する前記評価値の分布に基づいて、前記説明変数の一つを第2の説明変数として選択する、請求項1乃至3のいずれか一項に記載の未観測因子推定支援装置。
- 前記第2の説明変数選択部は、前記代表サンプルに対する前記複数の説明変数の各々に対する前記評価値の分散を算出し、前記第1の説明変数に対し、前記分散が第2の値以下の前記説明変数の一つを前記第2の説明変数として選択する請求項4に記載の未観測因子推定支援装置。
- 前記第1の説明変数選択部は、前記複数の説明変数の各々に対して、前記複数のサンプルの一部を前記複数の説明変数の一つに対する代表サンプルとして抽出し、前記複数の説明変数の一部に対する前記代表サンプルを併せて得られる集合の分布が、前記誤差の分布に類似するような前記複数の説明変数の一部を前記第1の説明変数として選択する、請求項1乃至5のいずれか一項に記載の未観測因子推定支援装置。
- 前記第2の説明変数選択部は、前記誤差に対する、前記効果スコアによる重回帰分析の情報量基準が最小になる前記説明変数の組み合わせを前記第1の説明変数として選択する、請求項1乃至6のいずれか一項に記載の未観測因子推定支援装置。
- 前記第2の説明変数選択部が、所定の条件を満たす前記説明変数を見出せない場合、前記第1の説明変数選択部が、前記第1の説明変数を選択しなおす、請求項1乃至8のいずれか一項に記載の未観測因子推定支援装置。
- コンピュータによって実行される、複数のサンプルと複数の説明変数に対して与えられる評価値を用いて、目的変数の値を予測するために、前記複数の説明変数に加える新たな説明変数の予測を支援する未観測因子推定支援方法であって、
前記評価値を用いて前記目的変数の値を予測して得られる第1の予測値と、前記目的変数の値との差を誤差として算出することと、
前記複数の説明変数のうちの一つを除いて前記目的変数の値を予測して得られる第2の予測値と、前記第1の予測値との差を前記除かれた一つの説明変数に対する効果スコアとして算出し、前記誤差を、前記効果スコアの線形和として表すような前記複数の説明変数の少なくとも一つを第1の説明変数として選択することと、
前記第1の説明変数に対する前記効果スコアに基づいて前記複数のサンプルの一部を代表サンプルとして抽出し、前記代表サンプルの前記複数の説明変数の各々に対する前記評価値に基づいて前記複数の説明変数の一つを第2の説明変数として選択することと、
前記第2の説明変数に対する前記第2の予測値と、前記第1の説明変数の前記サンプルに対する前記効果スコアの値を出力することと、
を含む未観測因子推定支援方法。 - コンピュータに、複数のサンプルと複数の説明変数に対して与えられる評価値を用いて、目的変数の値を予測するために、前記複数の説明変数に加える新たな説明変数の予測を支援する処理を行わせる未観測因子推定支援プログラムであって、
前記評価値を用いて前記目的変数の値を予測して得られる第1の予測値と、前記目的変数の値との差を誤差として算出し、
前記複数の説明変数のうちの一つを除いて前記目的変数の値を予測して得られる第2の予測値と、前記第1の予測値との差を前記除かれた一つの説明変数に対する効果スコアとして算出し、前記誤差を、前記効果スコアの線形和として表すような前記複数の説明変数の少なくとも一つを第1の説明変数として選択し、
前記第1の説明変数に対する前記効果スコアに基づいて前記複数のサンプルの一部を代表サンプルとして抽出し、前記代表サンプルの前記複数の説明変数の各々に対する前記評価値に基づいて前記複数の説明変数の一つを第2の説明変数として選択し、
前記第2の説明変数に対する前記第2の予測値と、前記第1の説明変数の前記サンプルに対する前記効果スコアの値を出力すると、
処理をコンピュータに実行させることを特徴とする未観測因子推定支援プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014045193A JP6268000B2 (ja) | 2014-03-07 | 2014-03-07 | 未観測因子推定支援装置、未観測因子推定支援方法および未観測因子推定支援プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014045193A JP6268000B2 (ja) | 2014-03-07 | 2014-03-07 | 未観測因子推定支援装置、未観測因子推定支援方法および未観測因子推定支援プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015170184A true JP2015170184A (ja) | 2015-09-28 |
JP6268000B2 JP6268000B2 (ja) | 2018-01-24 |
Family
ID=54202854
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014045193A Active JP6268000B2 (ja) | 2014-03-07 | 2014-03-07 | 未観測因子推定支援装置、未観測因子推定支援方法および未観測因子推定支援プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6268000B2 (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017102710A (ja) * | 2015-12-02 | 2017-06-08 | 日本電信電話株式会社 | データ分析装置、データ分析方法、データ分析処理プログラム |
WO2020054819A1 (ja) * | 2018-09-13 | 2020-03-19 | 日本電気株式会社 | データ解析装置、データ解析方法及びプログラム |
KR20200107480A (ko) * | 2019-03-08 | 2020-09-16 | 주식회사 에이아이네이션 | 가상화장 합성 처리 장치 및 방법 |
KR20200107492A (ko) * | 2019-03-08 | 2020-09-16 | 주식회사 에이아이네이션 | 가상화장 이미지 평가 점수 생성 장치 |
KR20200107499A (ko) * | 2019-03-08 | 2020-09-16 | 주식회사 에이아이네이션 | 가상화장 이미지 평가 점수 생성 장치 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000020504A (ja) * | 1998-06-30 | 2000-01-21 | Toshiba Corp | 目的変数の説明または予測方法、および目的変数を説明または予測するプログラムを記録した記録媒体 |
JP2011215673A (ja) * | 2010-03-31 | 2011-10-27 | Tokyo Electric Power Co Inc:The | 情報処理装置、方法およびプログラム |
JP2012057195A (ja) * | 2010-09-06 | 2012-03-22 | Nippon Steel Corp | 溶鋼温度管理方法、装置及びプログラム |
-
2014
- 2014-03-07 JP JP2014045193A patent/JP6268000B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000020504A (ja) * | 1998-06-30 | 2000-01-21 | Toshiba Corp | 目的変数の説明または予測方法、および目的変数を説明または予測するプログラムを記録した記録媒体 |
JP2011215673A (ja) * | 2010-03-31 | 2011-10-27 | Tokyo Electric Power Co Inc:The | 情報処理装置、方法およびプログラム |
JP2012057195A (ja) * | 2010-09-06 | 2012-03-22 | Nippon Steel Corp | 溶鋼温度管理方法、装置及びプログラム |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017102710A (ja) * | 2015-12-02 | 2017-06-08 | 日本電信電話株式会社 | データ分析装置、データ分析方法、データ分析処理プログラム |
WO2020054819A1 (ja) * | 2018-09-13 | 2020-03-19 | 日本電気株式会社 | データ解析装置、データ解析方法及びプログラム |
JPWO2020054819A1 (ja) * | 2018-09-13 | 2021-08-30 | 日本電気株式会社 | データ解析装置、データ解析方法及びプログラム |
JP7092202B2 (ja) | 2018-09-13 | 2022-06-28 | 日本電気株式会社 | データ解析装置、データ解析方法及びプログラム |
KR20200107480A (ko) * | 2019-03-08 | 2020-09-16 | 주식회사 에이아이네이션 | 가상화장 합성 처리 장치 및 방법 |
KR20200107492A (ko) * | 2019-03-08 | 2020-09-16 | 주식회사 에이아이네이션 | 가상화장 이미지 평가 점수 생성 장치 |
KR20200107499A (ko) * | 2019-03-08 | 2020-09-16 | 주식회사 에이아이네이션 | 가상화장 이미지 평가 점수 생성 장치 |
KR102465454B1 (ko) | 2019-03-08 | 2022-11-10 | 주식회사 에이아이네이션 | 얼굴의 특징 인식을 통한 뷰티 평가 인공지능 장치 및 방법 |
KR102465455B1 (ko) * | 2019-03-08 | 2022-11-10 | 주식회사 에이아이네이션 | 스코어 분포 예측을 통한 사용자 취향별 뷰티 평가 인공지능 장치 및 방법 |
KR102465453B1 (ko) | 2019-03-08 | 2022-11-10 | 주식회사 에이아이네이션 | 가상화장 합성 처리 인공지능 장치 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
JP6268000B2 (ja) | 2018-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6352798B2 (ja) | マーケティング施策最適化装置、方法、及びプログラム | |
Rockwood et al. | What are frailty instruments for? | |
JP6268000B2 (ja) | 未観測因子推定支援装置、未観測因子推定支援方法および未観測因子推定支援プログラム | |
JP4890806B2 (ja) | 予測プログラムおよび予測装置 | |
AU2013326911A1 (en) | Systems and methods for determining a fair price range for commodities | |
Dettrick et al. | Measuring quality of maternal and newborn care in developing countries using demographic and health surveys | |
Steyerberg et al. | Graphical assessment of incremental value of novel markers in prediction models: from statistical to decision analytical perspectives | |
Dobson et al. | Diagnostics for joint longitudinal and dropout time modeling | |
JP5251217B2 (ja) | 販売数予測システム、販売数予測システムの動作方法および販売数予測プログラム | |
JP5146084B2 (ja) | モデル作成支援システム、モデル作成支援方法、モデル作成支援プログラム | |
Hardy et al. | Commentary: The use and misuse of life course models | |
JP4675308B2 (ja) | メディアミックス計画の立案支援装置と立案支援方法 | |
US20090319330A1 (en) | Techniques for evaluating recommendation systems | |
JP2019003408A (ja) | ハイパーパラメータの評価方法、計算機及びプログラム | |
JP5296660B2 (ja) | サービス規模成長性分析システムおよび方法ならびにそのためのプログラム | |
Lotfi et al. | Periodic efficiency measurement for achieving correct efficiency among several terms of evaluation | |
EP3985580A1 (en) | Information processing device, information processing method, and program | |
Rouzbahani et al. | The Effect of Individual Factors on Consumers' Purchasing Decisions | |
JP6401655B2 (ja) | 引合い検討支援システム及び引合い検討支援方法、並びに引合い検討支援プログラム | |
JP2006268080A (ja) | 特許データ解析方法、装置、プログラムおよび記録媒体 | |
JP6449578B2 (ja) | 購買予測分析システム及びそのプログラム | |
JP6520199B2 (ja) | 抽出方法、情報処理装置、及び抽出プログラム | |
KR102320133B1 (ko) | 관상동맥경화의 발생을 예측하기 위한 장치 및 방법 | |
WO2023162238A1 (ja) | 顧客分析装置、顧客分析方法、及び、記録媒体 | |
Hsu et al. | Autoregressive modeling and diagnostics for qPCR amplification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20161102 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20171024 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20171020 |
|
RD12 | Notification of acceptance of power of sub attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7432 Effective date: 20171113 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20171129 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20171113 |
|
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: 20171212 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6268000 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |