JP2021009572A - 予測プログラム、予測方法および予測装置 - Google Patents
予測プログラム、予測方法および予測装置 Download PDFInfo
- Publication number
- JP2021009572A JP2021009572A JP2019123218A JP2019123218A JP2021009572A JP 2021009572 A JP2021009572 A JP 2021009572A JP 2019123218 A JP2019123218 A JP 2019123218A JP 2019123218 A JP2019123218 A JP 2019123218A JP 2021009572 A JP2021009572 A JP 2021009572A
- Authority
- JP
- Japan
- Prior art keywords
- prediction
- variable
- variables
- pseudo
- input data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000006870 function Effects 0.000 claims abstract description 105
- 238000012549 training Methods 0.000 claims abstract description 78
- 230000008569 process Effects 0.000 claims abstract description 52
- 238000004364 calculation method Methods 0.000 abstract description 3
- 230000010365 information processing Effects 0.000 description 36
- 238000010586 diagram Methods 0.000 description 27
- 230000009471 action Effects 0.000 description 25
- 238000003860 storage Methods 0.000 description 16
- 230000002950 deficient Effects 0.000 description 12
- 238000004519 manufacturing process Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 5
- 238000007477 logistic regression Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
・どのルール(H1〜H11)も重み1(ルールの数による多数決)とする。
・ルール(H1〜H11)を支持(該当)する訓練データ(P1〜P4、N1〜N3)の数に応じた重みとする。
・訓練データ(P1〜P4、N1〜N3)を適用したロジスティック回帰による重み付けを行う。
それぞれに説明変数および目的変数を有する訓練データから、前記説明変数の組み合わせにより構成され、前記訓練データのいずれかを分類し、特定の条件を満たす仮説を列挙した仮説集合と、前記訓練データそれぞれに対する、前記仮説集合に含まれる複数の仮説それぞれの成立有無に基づき学習した、前記複数の仮説それぞれの重みを用いて、前記入力データを用いた予測結果を生成する処理をコンピュータに実行させ、
前記生成する処理は、前記学習の結果生成され、前記説明変数に対応する変数を含み、前記特定の条件を満たす確度の算出に用いられる疑似ブール関数により算出される、前記入力データを用いた予測結果が前記特定の条件を満たす確度が所定の基準を満たすように前記疑似ブール関数に含まれる変数の値を決定する、
ことを特徴とする予測プログラム。
ことを特徴とする付記1に記載の予測プログラム。
ことを特徴とする付記2に記載の予測プログラム。
ことを特徴とする付記3に記載の予測プログラム。
それぞれに説明変数および目的変数を有する訓練データから、前記説明変数の組み合わせにより構成され、前記訓練データのいずれかを分類し、特定の条件を満たす仮説を列挙した仮説集合と、前記訓練データそれぞれに対する、前記仮説集合に含まれる複数の仮説それぞれの成立有無に基づき学習した、前記複数の仮説それぞれの重みを用いて、前記入力データを用いた予測結果を生成する処理をコンピュータが実行し、
前記生成する処理は、前記学習の結果生成され、前記説明変数に対応する変数を含み、前記特定の条件を満たす確度の算出に用いられる疑似ブール関数により算出される、前記入力データを用いた予測結果が前記特定の条件を満たす確度が所定の基準を満たすように前記疑似ブール関数に含まれる変数の値を決定する、
ことを特徴とする予測方法。
ことを特徴とする付記5に記載の予測方法。
ことを特徴とする付記6に記載の予測方法。
ことを特徴とする付記7に記載の予測方法。
それぞれに説明変数および目的変数を有する訓練データから、前記説明変数の組み合わせにより構成され、前記訓練データのいずれかを分類し、特定の条件を満たす仮説を列挙した仮説集合と、前記訓練データそれぞれに対する、前記仮説集合に含まれる複数の仮説それぞれの成立有無に基づき学習した、前記複数の仮説それぞれの重みを用いて、前記入力データを用いた予測結果を生成する予測部と、を有し、
前記予測部は、前記学習の結果生成され、前記説明変数に対応する変数を含み、前記特定の条件を満たす確度の算出に用いられる疑似ブール関数により算出される、前記入力データを用いた予測結果が前記特定の条件を満たす確度が所定の基準を満たすように前記疑似ブール関数に含まれる変数の値を決定する、
ことを特徴とする予測装置。
ことを特徴とする付記9に記載の予測装置。
ことを特徴とする付記10に記載の予測装置。
ことを特徴とする付記11に記載の予測装置。
10…入力部
20…記憶部
21…訓練データ
22…入力データ
23…仮説集合データ
24…重みデータ
25…結果データ
30…仮説生成部
40…学習部
50…予測部
60…出力部
101…CPU
102…入力装置
103…モニタ
104…スピーカ
105…媒体読取装置
106…インタフェース装置
107…通信装置
108…RAM
109…ハードディスク装置
110…バス
111…プログラム
112…各種データ
201…原材料
202…製造品
C01〜C09、R1、R2…組み合わせ
H1〜H11…仮説
Claims (6)
- 予測対象の入力データを受け付け、
それぞれに説明変数および目的変数を有する訓練データから、前記説明変数の組み合わせにより構成され、前記訓練データのいずれかを分類し、特定の条件を満たす仮説を列挙した仮説集合と、前記訓練データそれぞれに対する、前記仮説集合に含まれる複数の仮説それぞれの成立有無に基づき学習した、前記複数の仮説それぞれの重みを用いて、前記入力データを用いた予測結果を生成する処理をコンピュータに実行させ、
前記生成する処理は、前記学習の結果生成され、前記説明変数に対応する変数を含み、前記特定の条件を満たす確度の算出に用いられる疑似ブール関数により算出される、前記入力データを用いた予測結果が前記特定の条件を満たす確度が所定の基準を満たすように前記疑似ブール関数に含まれる変数の値を決定する、
ことを特徴とする予測プログラム。 - 前記生成する処理は、前記疑似ブール関数に含まれる変数の値の中の所定の変数の値に前記入力データに含まれる値を代入した上で、前記疑似ブール関数に含まれる残りの変数の値を決定する、
ことを特徴とする請求項1に記載の予測プログラム。 - 前記生成する処理は、前記疑似ブール関数に含まれる残りの変数の値について、所定の順序で値を設定して前記確度が最大となる組み合わせに決定する、
ことを特徴とする請求項2に記載の予測プログラム。 - 前記生成する処理は、前記疑似ブール関数に含まれる残りの変数の値の中の、制御されない項目に対応する変数の値について、前記確度を小さくすると見積もられる値に決定する、
ことを特徴とする請求項3に記載の予測プログラム。 - 予測対象の入力データを受け付け、
それぞれに説明変数および目的変数を有する訓練データから、前記説明変数の組み合わせにより構成され、前記訓練データのいずれかを分類し、特定の条件を満たす仮説を列挙した仮説集合と、前記訓練データそれぞれに対する、前記仮説集合に含まれる複数の仮説それぞれの成立有無に基づき学習した、前記複数の仮説それぞれの重みを用いて、前記入力データを用いた予測結果を生成する処理をコンピュータが実行し、
前記生成する処理は、前記学習の結果生成され、前記説明変数に対応する変数を含み、前記特定の条件を満たす確度の算出に用いられる疑似ブール関数により算出される、前記入力データを用いた予測結果が前記特定の条件を満たす確度が所定の基準を満たすように前記疑似ブール関数に含まれる変数の値を決定する、
ことを特徴とする予測方法。 - 予測対象の入力データを受け付ける入力部と、
それぞれに説明変数および目的変数を有する訓練データから、前記説明変数の組み合わせにより構成され、前記訓練データのいずれかを分類し、特定の条件を満たす仮説を列挙した仮説集合と、前記訓練データそれぞれに対する、前記仮説集合に含まれる複数の仮説それぞれの成立有無に基づき学習した、前記複数の仮説それぞれの重みを用いて、前記入力データを用いた予測結果を生成する予測部と、を有し、
前記予測部は、前記学習の結果生成され、前記説明変数に対応する変数を含み、前記特定の条件を満たす確度の算出に用いられる疑似ブール関数により算出される、前記入力データを用いた予測結果が前記特定の条件を満たす確度が所定の基準を満たすように前記疑似ブール関数に含まれる変数の値を決定する、
ことを特徴とする予測装置。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019123218A JP7259596B2 (ja) | 2019-07-01 | 2019-07-01 | 予測プログラム、予測方法および予測装置 |
CN202010505036.0A CN112183570A (zh) | 2019-07-01 | 2020-06-05 | 预测方法、预测设备和记录介质 |
US16/900,148 US11443210B2 (en) | 2019-07-01 | 2020-06-12 | Predicting method, predicting apparatus, and computer-readable recording medium |
EP20180724.5A EP3770827A1 (en) | 2019-07-01 | 2020-06-18 | Predicting program, predicting method, and predicting apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019123218A JP7259596B2 (ja) | 2019-07-01 | 2019-07-01 | 予測プログラム、予測方法および予測装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021009572A true JP2021009572A (ja) | 2021-01-28 |
JP7259596B2 JP7259596B2 (ja) | 2023-04-18 |
Family
ID=71108439
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019123218A Active JP7259596B2 (ja) | 2019-07-01 | 2019-07-01 | 予測プログラム、予測方法および予測装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11443210B2 (ja) |
EP (1) | EP3770827A1 (ja) |
JP (1) | JP7259596B2 (ja) |
CN (1) | CN112183570A (ja) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10275085A (ja) * | 1997-03-31 | 1998-10-13 | Toshiba Corp | 概念階層作成装置及び概念階層作成方法 |
JP2001229026A (ja) * | 1999-12-09 | 2001-08-24 | Nec Corp | 知識発見方式 |
JP2005222445A (ja) * | 2004-02-09 | 2005-08-18 | Nifty Corp | データマイニングにおける情報処理方法及び解析装置 |
JP2007157130A (ja) * | 2005-12-06 | 2007-06-21 | Mitsubishi Electric Research Laboratories Inc | コンピュータにより実施される強分類器を構築する方法 |
JP2012099070A (ja) * | 2010-11-05 | 2012-05-24 | Glory Ltd | 被写体検出方法および被写体検出装置 |
US20160179751A1 (en) * | 2014-12-19 | 2016-06-23 | Chevron U.S.A. Inc. | Viariable structure regression |
JP2019040475A (ja) * | 2017-08-25 | 2019-03-14 | 日本電信電話株式会社 | 人流予測装置、システムおよびプログラム |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020184169A1 (en) * | 2001-05-31 | 2002-12-05 | Opitz David William | Method and device for creating a sequence of hypotheses |
US20090144209A1 (en) * | 2004-07-07 | 2009-06-04 | Nec Corporation | Sequence prediction system |
US7603330B2 (en) * | 2006-02-01 | 2009-10-13 | Honda Motor Co., Ltd. | Meta learning for question classification |
US10713591B2 (en) * | 2016-07-29 | 2020-07-14 | Cisco Technology, Inc. | Adaptive metric pruning |
US20190172564A1 (en) * | 2017-12-05 | 2019-06-06 | International Business Machines Corporation | Early cost prediction and risk identification |
US11164086B2 (en) * | 2018-07-09 | 2021-11-02 | International Business Machines Corporation | Real time ensemble scoring optimization |
TW202018727A (zh) * | 2018-11-09 | 2020-05-16 | 財團法人工業技術研究院 | 整體式學習預測方法與系統 |
-
2019
- 2019-07-01 JP JP2019123218A patent/JP7259596B2/ja active Active
-
2020
- 2020-06-05 CN CN202010505036.0A patent/CN112183570A/zh active Pending
- 2020-06-12 US US16/900,148 patent/US11443210B2/en active Active
- 2020-06-18 EP EP20180724.5A patent/EP3770827A1/en not_active Withdrawn
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10275085A (ja) * | 1997-03-31 | 1998-10-13 | Toshiba Corp | 概念階層作成装置及び概念階層作成方法 |
JP2001229026A (ja) * | 1999-12-09 | 2001-08-24 | Nec Corp | 知識発見方式 |
JP2005222445A (ja) * | 2004-02-09 | 2005-08-18 | Nifty Corp | データマイニングにおける情報処理方法及び解析装置 |
JP2007157130A (ja) * | 2005-12-06 | 2007-06-21 | Mitsubishi Electric Research Laboratories Inc | コンピュータにより実施される強分類器を構築する方法 |
JP2012099070A (ja) * | 2010-11-05 | 2012-05-24 | Glory Ltd | 被写体検出方法および被写体検出装置 |
US20160179751A1 (en) * | 2014-12-19 | 2016-06-23 | Chevron U.S.A. Inc. | Viariable structure regression |
JP2019040475A (ja) * | 2017-08-25 | 2019-03-14 | 日本電信電話株式会社 | 人流予測装置、システムおよびプログラム |
Non-Patent Citations (1)
Title |
---|
JIANHUA CHEN ET AL.: "A New Method for Learning Pseudo-Boolean Functions with Applications in Terrorists Profiling", PROCEEDINGS OF THE 2004 IEEE CONFERENCE ON CYBERNETICS AND INTELLIGENT SYSTEMS, JPN6023008257, December 2004 (2004-12-01), pages 234 - 239, XP010811612, ISSN: 0005005659 * |
Also Published As
Publication number | Publication date |
---|---|
US11443210B2 (en) | 2022-09-13 |
CN112183570A (zh) | 2021-01-05 |
JP7259596B2 (ja) | 2023-04-18 |
US20210004697A1 (en) | 2021-01-07 |
EP3770827A1 (en) | 2021-01-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Spolaôr et al. | ReliefF for multi-label feature selection | |
JP7172332B2 (ja) | 学習プログラム、予測プログラム、学習方法、予測方法、学習装置および予測装置 | |
Abdelhamid | Multi-label rules for phishing classification | |
Chen et al. | The weights can be harmful: Pareto search versus weighted search in multi-objective search-based software engineering | |
JP5454827B1 (ja) | 文書評価装置、文書評価方法、及びプログラム | |
De Carvalho et al. | Measuring the convergence and diversity of CDAS multi-objective particle swarm optimization algorithms: a study of many-objective problems | |
US7797260B2 (en) | Automated document classifier tuning including training set adaptive to user browsing behavior | |
Freitas | Automated machine learning for studying the trade-off between predictive accuracy and interpretability | |
Degroote et al. | Reinforcement Learning for Automatic Online Algorithm Selection-an Empirical Study. | |
EP3764289A1 (en) | Prediction program, prediction method, and prediction apparatus | |
Venske et al. | Ademo/d: Adaptive differential evolution for multiobjective problems | |
Liefooghe et al. | Dominance, indicator and decomposition based search for multi-objective QAP: landscape analysis and automated algorithm selection | |
JP5905375B2 (ja) | 誤分類検出装置、方法、及びプログラム | |
WO2022024339A1 (ja) | 予測プログラム、予測方法および予測装置 | |
JP2021009572A (ja) | 予測プログラム、予測方法および予測装置 | |
Karlos et al. | Locally application of naive Bayes for self-training | |
Tatsis et al. | Grid search for operator and parameter control in differential evolution | |
Liu et al. | A multipopulation evolutionary framework with Steffensen’s method for dynamic multiobjective optimization problems | |
Verbeeck et al. | Multi-objective optimization with surrogate trees | |
Zhang et al. | Feature selection with multi-objective genetic algorithm based on a hybrid filter and the symmetrical complementary coefficient | |
JP4460417B2 (ja) | 自動分類方法、自動分類プログラム、記録媒体、および、自動分類装置 | |
Casamayor et al. | Semi-Supervised Classi fication of Non-Functional Requirements: An Empirical Analysis | |
Trummer | Demonstrating DB-BERT: A Database Tuning Tool that" Reads" the Manual | |
Le | Finding Relevant Files for Bug Reports Based on Mean Reciprocal Rank Maximization Approach | |
Kordík et al. | On performance of meta-learning templates on different datasets |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220308 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230131 |
|
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: 20230307 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230320 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7259596 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |