JP2023079137A - 情報処理システム、情報処理方法及び情報処理プログラム - Google Patents

Abstract

【課題】効率的な説明変数の探索に適した探索範囲をユーザが指定しやすくなる情報処理システム、情報処理方法及び情報処理プログラムを提供する。【解決手段】情報処理装置と、ユーザ端末と、データベースとが、電気通信回線を通じて通信する情報処理システムにおいて、通信部と、記憶部と、制御部とを備える情報処理装置の制御部２３は、入力データの入力を受け付けるデータ受付部２３１と、入力される入力データに基づき、学習モデルから説明変数を抽出する抽出部２３２と、説明変数の形式に応じて、抽出された説明変数の探索範囲を指定可能な視覚情報を生成する視覚情報生成部２３４と、を備える。【選択図】図４

Description

本発明は、情報処理システム、情報処理方法及び情報処理プログラムに関する。

従来技術として、学習器に関する下記の文献が挙げられる。

特開２０２１－１７７４２８号公報

学習モデルを用いた予測を行う際に、目的関数を最大化する説明変数を探索することがある。しかし、説明変数の探索の効率化には、データサイエンスに関する知見が比較的高い水準で求められることがある。

（１）本発明の一態様によれば、情報処理システムが提供される。この情報処理システムは、制御部を備える。制御部は、次の各ステップを実行するように構成される。データ受付ステップでは、入力データの入力を受け付ける。抽出ステップでは、入力される入力データに基づき、学習モデルから説明変数を抽出する。視覚情報生成ステップでは、説明変数の形式に応じて、抽出された説明変数の探索範囲を指定可能な視覚情報を生成する。

かかる情報処理システムによれば、従来技術に比べて、効率的な説明変数の探索に適した探索範囲をユーザが指定しやすくなる。

情報処理システム１を表す構成図である。 情報処理装置２のハードウェア構成を示すブロック図である。 ユーザ端末３のハードウェア構成を示すブロック図である。 制御部２３が備える機能部の一例を示す。 情報処理システム１において実行される情報処理の流れの一例を示すアクティビティ図である。 表示部３４に表示される表示内容の一例である。

以下、図面を用いて本発明の実施形態について説明する。以下に示す実施形態中で示した各種特徴事項は、互いに組み合わせ可能である。

ところで、本実施形態に登場するソフトウェアを実現するためのプログラムは、コンピュータが読み取り可能な非一時的な記録媒体（Ｎｏｎ－Ｔｒａｎｓｉｔｏｒｙ Ｃｏｍｐｕｔｅｒ－Ｒｅａｄａｂｌｅ Ｍｅｄｉｕｍ）として提供されてもよいし、外部のサーバからダウンロード可能に提供されてもよいし、外部のコンピュータで当該プログラムを起動させてクライアント端末でその機能を実現（いわゆるクラウドコンピューティング）するように提供されてもよい。

また、本実施形態において「部」とは、例えば、広義の回路によって実施されるハードウェア資源と、これらのハードウェア資源によって具体的に実現されうるソフトウェアの情報処理とを合わせたものも含みうる。また、本実施形態においては様々な情報を取り扱うが、これら情報は、例えば電圧・電流を表す信号値の物理的な値、０又は１で構成される２進数のビット集合体としての信号値の高低、又は量子的な重ね合わせ（いわゆる量子ビット）によって表され、広義の回路上で通信・演算が実行されうる。

また、広義の回路とは、回路（Ｃｉｒｃｕｉｔ）、回路類（Ｃｉｒｃｕｉｔｒｙ）、プロセッサ（Ｐｒｏｃｅｓｓｏｒ）、及びメモリ（Ｍｅｍｏｒｙ）等を少なくとも適当に組み合わせることによって実現される回路である。すなわち、特定用途向け集積回路（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ：ＡＳＩＣ）、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Ｓｉｍｐｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ：ＳＰＬＤ）、複合プログラマブル論理デバイス（Ｃｏｍｐｌｅｘ Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ：ＣＰＬＤ）、及びフィールドプログラマブルゲートアレイ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ：ＦＰＧＡ））等を含むものである。

１．ハードウェア構成
本節では、ハードウェア構成について説明する。

<情報処理システム１>
図１は、情報処理システム１を表す構成図である。情報処理システム１は、情報処理装置２と、ユーザ端末３と、データベースＤＢ１と、を備える。情報処理装置２と、ユーザ端末３と、データベースＤＢ１と、は、電気通信回線を通じて通信可能に構成されている。一実施形態において、情報処理システム１とは、１つ又はそれ以上の装置又は構成要素からなるものである。仮に例えば、情報処理装置２のみからなる場合であれば、情報処理システム１は、情報処理装置２となりうる。以下、これらの構成要素について説明する。

<情報処理装置２>
図２は、情報処理装置２のハードウェア構成を示すブロック図である。情報処理装置２は、通信部２１と、記憶部２２と、制御部２３とを備え、これらの構成要素が情報処理装置２の内部において通信バス２０を介して電気的に接続されている。各構成要素についてさらに説明する。

通信部２１は、ＵＳＢ、ＩＥＥＥ１３９４、Ｔｈｕｎｄｅｒｂｏｌｔ（登録商標）、有線ＬＡＮネットワーク通信等といった有線型の通信手段が好ましいものの、無線ＬＡＮネットワーク通信、３Ｇ／ＬＴＥ／５Ｇ等のモバイル通信、ＢＬＵＥＴＯＯＴＨ（登録商標）通信等を必要に応じて含めてもよい。すなわち、これら複数の通信手段の集合として実施することがより好ましい。すなわち、情報処理装置２は、通信部２１及びネットワークを介して、外部から種々の情報を通信してもよい。

記憶部２２は、前述の記載により定義される様々な情報を記憶する。これは、例えば、制御部２３によって実行される情報処理装置２に係る種々のプログラム等を記憶するソリッドステートドライブ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ：ＳＳＤ）等のストレージデバイスとして、あるいは、プログラムの演算に係る一時的に必要な情報（引数、配列等）を記憶するランダムアクセスメモリ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ：ＲＡＭ）等のメモリとして実施されうる。記憶部２２は、制御部２３によって実行される情報処理装置２に係る種々のプログラムや変数等を記憶している。

制御部２３は、情報処理装置２に関連する全体動作の処理・制御を行う。制御部２３は、例えば不図示の中央処理装置（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ：ＣＰＵ）である。制御部２３は、記憶部２２に記憶された所定のプログラムを読み出すことによって、情報処理装置２に係る種々の機能を実現する。すなわち、記憶部２２に記憶されているソフトウェアによる情報処理が、ハードウェアの一例である制御部２３によって具体的に実現されることで、制御部２３に含まれる各機能部として実行されうる。これらについては、次節においてさらに詳述する。なお、制御部２３は単一であることに限定されず、機能ごとに複数の制御部２３を有するように実施してもよい。またそれらの組合せであってもよい。

<ユーザ端末３>
図３は、ユーザ端末３のハードウェア構成を示すブロック図である。ユーザ端末３は、通信部３１と、記憶部３２と、制御部３３と、表示部３４と、入力部３５とを備え、これらの構成要素がユーザ端末３の内部において通信バス３０を介して電気的に接続されている。通信部３１、記憶部３２及び制御部３３の説明は、情報処理装置２における各部の説明と同様のため省略する。

表示部３４は、ユーザ端末３筐体に含まれるものであってもよいし、外付けされるものであってもよい。表示部３４は、ユーザが操作可能なグラフィカルユーザインターフェース（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ：ＧＵＩ）の画面を表示する。これは例えば、ＣＲＴディスプレイ、液晶ディスプレイ、有機ＥＬディスプレイ及びプラズマディスプレイ等の表示デバイスを、ユーザ端末３の種類に応じて使い分けて実施することが好ましい。

入力部３５は、ユーザ端末３の筐体に含まれるものであってもよいし、外付けされるものであってもよい。例えば、入力部３５は、表示部３４と一体となってタッチパネルとして実施されてもよい。タッチパネルであれば、ユーザは、タップ操作、スワイプ操作等を入力することができる。もちろん、タッチパネルに代えて、スイッチボタン、マウス、ＱＷＥＲＴＹキーボード等を採用してもよい。すなわち、入力部３５がユーザによってなされた操作入力を受け付ける。当該入力が命令信号として、通信バス３０を介して制御部３３に転送され、制御部３３が必要に応じて所定の制御や演算を実行しうる。

<データベースＤＢ１>
データベースＤＢ１は、外部データＤ０を記憶する。外部データＤ０は、例えば公衆がアクセス可能なデータであっても、特定のユーザのみがアクセス可能なデータであってもよい。また、外部データＤ０は、本情報処理システム１を使用するユーザのみがアクセス可能なデータであってもよい。データベースＤＢ１は、単一の記憶デバイスにより実現されていても、複数の記憶デバイスにより実現されていてもよい。外部データＤ０が表す内容は、例えば衛生観測結果、気候観測結果、統計資料など、任意である。

２．機能構成
図４は、制御部２３が備える機能部の一例を示す。図４に示すように、制御部２３は、データ受付部２３１と、抽出部２３２と、抽出部２３２と、変数名抽出部２３３と、視覚情報生成部２３４と、変数表示部２３５と、を備える。

データ受付部２３１は、入力データＤの入力を受け付ける。入力データＤは、情報処理装置２に入力されるデータである。例えば、入力データＤは、ユーザが保有する保有データと、ユーザ以外が保有するデータ、例えばデータベースＤＢ１に記憶されたデータと、のうちの少なくとも１つを含んでもよい。入力データＤは、少なくとも構造化データを含む。構造化データは、予め定められた構造となるように標準化されたデータである。なお、入力データＤは、構造化データ以外のデータ、例えば非構造化データ、又は半構造化データを含んでもよい。非構造化データは、構造化データのように標準化された構造を持たない任意の形式のデータである。半構造化データは、非構造化データと、当該非構造化データを識別可能なタグと、の組み合わせからなる。半構造化データの形式は、例えば、グラフ型、キーバリュー型、ドキュメント型、カラム型などである。

当該入力データＤは、学習器ＭＬに入力される。学習器ＭＬは、入力された入力データＤに学習器ＭＬは入力された入力データＤに基づき、学習モデルＭ１を生成する。なお、情報処理システム１の内部に記憶されているものに限られず、情報処理システム１の外部に存在するものでもよい。学習モデルＭ１は、入力データＤに含まれる説明変数ｘ１に基づき、評価パラメータｙ１を出力する。

抽出部２３２は、入力される入力データＤに基づき、学習モデルＭ１から説明変数ｘ１を抽出する。学習モデルＭ１は、入力データＤを少なくとも１つの学習器ＭＬに入力することにより生成される。

学習モデルＭ１は、入力される入力データＤの説明変数ｘ１を用いて、評価パラメータｙ１を導出する。評価パラメータｙ１は、予め設定されたパラメータでも、ユーザが任意に設定するパラメータでもよい。

変数名抽出部２３３は、入力データＤから、抽出された説明変数ｘ１を表す変数名ＶＮｘを抽出する。抽出方法は任意であるが、例えば、変数名抽出部２３３は、入力データＤに含まれる説明変数ｘ１のそれぞれに対応する数字、文字列などの情報を、変数名ＶＮｘとして抽出する。また、変数名抽出部２３３は、入力データＤから評価パラメータｙ１の変数名ＶＮｙを抽出する。抽出方法は、説明変数ｘ１の変数名と同様である。

視覚情報生成部２３４は、説明変数ｘ１の形式に応じて、視覚情報ＩＦ２は、抽出された説明変数ｘ１の探索範囲を指定可能な視覚情報ＩＦ２を生成する。詳細には、視覚情報生成部２３４は、抽出部２３２にて説明変数ｘ１が複数抽出された場合、複数の説明変数ｘ１のそれぞれに対応する視覚情報ＩＦ２を生成する。説明変数ｘ１の形式とは、例えば、文字列、数値、ブーリアン変数などである。数値は、自然数、少数、浮動小数点など、任意の形式のものを含みうる。

視覚情報ＩＦ２は、説明変数ｘ１の探索範囲に関する情報を含む。説明変数ｘ１の探索範囲に関する情報とは、対象となる説明変数ｘ１を評価パラメータｙ１の導出に用いるか否か、説明変数ｘ１の最大値及び最小値に関する情報を含みうる。視覚情報ＩＦ２は、ユーザが説明変数ｘ１の探索範囲を指定するためのユーザインタフェースとして機能することができる。ユーザインタフェースとしての視覚情報ＩＦ２の具体的態様は、例えばチェックボックス、ラジオボタン、プルダウン、ドラムロール、入力フォーム、スライダーなど任意である。以下、説明の便宜上、ユーザインタフェースを単にＵＩということがある。

説明変数ｘ１の形式が文字列である場合、視覚情報ＩＦ２は、当該説明変数ｘ１を学習モデルＭ１に入力するか否かを選択可能に構成される。説明変数ｘ１の形式が数値である場合、視覚情報ＩＦ２は、学習モデルＭ１に入力される説明変数ｘ１の変域を指定可能に構成される。この場合、探索範囲Ｒは、変域に基づき規定される。説明変数ｘ１の変域とは、説明変数ｘ１の定義域ともいう。視覚情報ＩＦ２は、学習モデルＭ１に入力される説明変数ｘ１の上限値及び下限値のうちの少なくとも１つを指定可能に構成されてもよい。この場合、探索範囲は、上限値及び下限値のうちの少なくとも１つに基づき規定される。特に本実施形態では、説明変数の形式が数値である場合、視覚情報は、スライダーで表示される。探索範囲は、スライダーの位置に基づき指定される。これにより、ユーザは、スライダーの視覚情報ＩＦ２に基づき説明変数ｘ１の探索範囲を直感的に指定することができる。視覚情報ＩＦ２は、探索範囲を離散的に指定可能であっても、連続的に指定可能であってもよい。離散的に指定可能な状態とは、とは、例えば、説明変数ｘ１の形式が浮動小数点である場合、当該説明変数ｘ１の探索範囲を整数によって離散的に指定可能なものをいう。なお、視覚情報ＩＦ２は、探索範囲を連続的に指定可能であってもよい。

学習モデルＭ１には、指定された探索範囲Ｒ内で変化する説明変数ｘ１が入力可能である。学習モデルＭ１は、探索範囲Ｒ内の説明変数ｘ１の中から、所定の探索条件を満たす説明変数ｘ１を探索する。所定の探索条件とは、例えば、評価パラメータｙ１が最大・最小となることや、予め定められた評価パラメータｙ１の閾値との関係によって規定される。探索条件は、ユーザによって任意に決定されたものでも、任意のアルゴリズムにより自動で決定されたものでもよい。以下、説明の便宜上、探索条件を満たす説明変数ｘ１を探索することを、探索シミュレーションということがある。
また、視覚情報ＩＦ２には、探索条件に基づき推奨される探索範囲Ｒに関する情報を含んでもよい。なお、推奨される探索範囲Ｒは、上述した上限値及び／又は下限値によって指定されるものに限られない。例えば、当該探索範囲Ｒは、複数の変域によって指定されるものでもよい。視覚情報生成部２３４は、当該推奨される探索範囲Ｒが予め指定された視覚情報ＩＦ２を生成してもよい。視覚情報生成部２３４による指定は、ユーザによって変更可能であってもよい。

変数表示部２３５は、変数名抽出部２３３によって抽出された変数名ＶＮｘを表示部３４に表示させる。表示態様は任意であるが、例えば、変数表示部２３５は、説明変数ｘ１の視覚情報ＩＦ２と、変数名ＶＮｘと、を一覧可能に表示部３４に表示させる。

結果表示部２３６は、結果情報ＩＦ３を表示部３４に表示させる。結果情報ＩＦ３は、指定された探索範囲における説明変数ｘ１に基づき学習モデルＭ１から出力される。結果情報ＩＦ３は、例えば、所定の条件を満たす評価パラメータｙ１及び説明変数ｘ１を含む。詳細には、結果表示部２３６は、視覚情報ＩＦ２と、結果情報ＩＦ３と、を一覧可能に表示させる。本実施形態の結果表示部２３６は、さらに過去に出力された結果情報ＩＦ３の履歴情報ＩＦ４を表示させる。結果表示部２３６は、結果情報ＩＦ３と履歴情報ＩＦ４とを一覧可能に表示させる。これにより、ユーザは、直近に生成された結果情報ＩＦ３を、過去に生成された結果情報ＩＦ３と比較することが容易となる。

３．情報処理の詳細
本節では、前述した情報処理システム１において実行される情報処理について説明する。なお、当該情報処理は、アクティビティ図に図示されない、任意の例外処理を含みうる。例外処理は、当該情報処理の中断や、各処理の省略を含む。当該情報処理にて行われる選択又は入力は、ユーザによる操作に基づくものでも、ユーザの操作に依らず自動で行われるものでもよい。

図５は、情報処理システム１において実行される情報処理の流れの一例を示すアクティビティ図である。図５に示すように、アクティビティＡ００１にて、データ受付部２３１は、入力データＤの入力を受け付ける。以下、説明の便宜上、アクティビティＡ００１にて受け付けた入力データＤを第１の入力データＤ１ということがある。

次に、処理がアクティビティＡ００２に進み、制御部２３は、入力データＤを学習器ＭＬに入力する。これにより、学習器ＭＬは、入力データＤに基づき学習モデルＭ１を生成する。このとき、制御部２３は、第１の入力データＤ１に対して所定の変換処理が行われた第２の入力データＤ２を、学習器ＭＬに入力してもよい。この場合、学習器ＭＬは、第２の入力データＤ２を用いて学習モデルＭ１を生成する。なお、学習器ＭＬは、情報処理システム１に含まれる任意の部材に保存されているものでも、情報処理システム１と電気通信回線を介して通信可能な外部装置に保存されているものでもよい。なお、外部装置の図示は省略されている。

なお、変換処理とは、データ受付部２３１に入力された第１の入力データＤ１を、特定された学習器ＭＬに入力可能な態様である第２の入力データＤ２に変換する処理である。変換処理は、例えば、第１の入力データＤ１の一部の削除、欠損値の補完、外れ値の削除、第１の入力データＤ１の規格化など、任意の処理を含みうる。変換処理は、データ整形ともいわれる。
変換処理は、第１の入力データＤ１に含まれる複数の説明変数ｘ１の結合処理、分離処理、補正などを含んでもよい。例えば、変換処理は、第１の入力データＤ１が時系列を表す年、月、及び日をそれぞれ異なる説明変数ｘ１として有する場合に、これらの複数の説明変数ｘ１を１つの入力に結合する処理を含みうる。また、変換処理は、複数のデータ受付部２３１にて複数の第１の入力データＤ１を受け付けた場合、これらの第１の入力データＤ１の結合処理を行ってもよい。別例として、変換処理は、説明変数ｘ１の追加処理、特徴量の追加などを含んでもよい。例えば、制御部２３は、第１の入力データＤ１に応じてデータベースＤＢ１から任意の外部データＤ０を取得し、当該外部データＤ０を第１の入力データＤ１に追加してもよい。制御部２３は、追加された外部データＤ０に基づき、特徴量の追加を行ってもよい。
変換処理は、第１の入力データＤ１の内容に基づき、制御部２３によって自動で実行可能な処理を含む。なお、変換処理は、ユーザによる指定に基づき実行可能な処理を含んでもよい。また、本実施形態では、変換処理は、第１の入力データＤ１を所定の変換条件と比較することで特定される自動変換処理を含む。変換条件とは、例えば第１の入力データＤ１の容量、第１の入力データＤ１の統計情報の分散値が閾値未満か否か、第１の入力データＤ１の統計情報に基づく外れ値の有無などである。変換条件は、変換処理が行われる必要性を示唆するものでもある。
また、変換処理は、データ受付部２３１に入力された第１の入力データＤ１の形式を、特定された学習器ＭＬのそれぞれに適合する形式に変換する処理を含む。第１の入力データＤ１の形式は、例えば、第１の入力データＤ１の名称、文字コード、改行コード、表記言語、区切り文字などを含む。
例えば、特定された学習器ＭＬに入力可能な入力データＤの文字コードがＵＴＦ－８であるにも関わらず、第１の入力データＤ１の文字コードがＳｈｉｆｔ－ＪＩＳの場合、制御部２３は、当該第１の入力データＤ１を、文字コードがＵＴＦ－８に変更された第２の入力データＤ２に変換する変換処理を実行する。
別例として、変換処理は、特定された複数の学習器ＭＬに入力可能な第２の入力データＤ２のそれぞれに対して名称を付与する処理を含みうる。このとき、変換処理は、制御部２３が第２の入力データＤ２を一意に特定可能な名称を、第２の入力データＤ２に付与することが好ましい。これにより、第２の入力データＤ２の管理が容易となる。なお、名称の付与は、第１の入力データＤ１の名称を変更することによって行われてもよい。
別例として、第１の入力データＤ１がＢＯＭ（Ｂｙｔｅ Ｏｒｄｅｒ Ｍａｒｋ）を含む場合、変換処理は、当該ＢＯＭの除去を含んでもよい。これにより、意図しないエラーが抑制しやすくなる。
別例として、変換処理は、第１の入力データＤ１に含まれる説明変数ｘ１のうち、学習モデルＭ１の生成に用いられないものを除去する処理を含んでもよい。制御部２３は、例えば、説明変数ｘ１の形式、分布に基づいて、当該説明変数ｘ１が学習モデルＭ１の生成に用いられるか否かを判定すればよい。これにより、第２の入力データＤ２の容量が軽減されるため、学習モデルＭ１の生成に必要な時間が短縮される。

次に、処理がアクティビティＡ００３に進み、制御部２３は、学習器ＭＬから生成される学習モデルＭ１を取得する。

次に、処理がアクティビティＡ００４に進み、抽出部２３２は、学習器ＭＬに入力された入力データＤに基づき、学習モデルＭ１から説明変数ｘ１を抽出する。このとき、抽出部２３２は、説明変数ｘ１の形式を抽出する。

次に、処理がアクティビティＡ００５に進み、変数名抽出部２３３は、学習モデルＭ１の変数名ＶＮｘを抽出する。抽出される変数名ＶＮｘは、文字列を含むことが好ましい。これにより、ユーザが説明変数ｘ１の内容を変数名ＶＮｘから把握しやすくなる。このとき、変数名抽出部２３３は、評価パラメータｙ１の変数名ＶＮｙを抽出してもよい。

次に、処理がアクティビティＡ００６に進み、視覚情報生成部２３４は、視覚情報ＩＦ２を生成する。

次に、処理がアクティビティＡ００７に進み、変数表示部２３５は、アクティビティＡ００５にて抽出された変数名ＶＮｘを表示部３４に表示させる。変数表示部２３５は、説明変数ｘ１の視覚情報ＩＦ２と対応する変数名ＶＮｘを、当該視覚情報ＩＦ２と対応するように表示させる。例えば、変数表示部２３５は、対応する視覚情報ＩＦ２の近傍に変数名ＶＮｘを表示させる。

次に、処理がアクティビティＡ００８に進み、制御部２３は、ユーザからの探索範囲Ｒの指定を受け付ける。ユーザは、表示部３４に表示された視覚情報ＩＦ２に対する操作を通じて、探索範囲Ｒの指定を行う。当該操作は、カーソル操作、キー入力操作、表示部３４に対するタッチ操作、スワイプ操作など、任意である。

次に、処理がアクティビティＡ００９に進み、制御部２３は、アクティビティＡ００８にて指定された探索範囲Ｒ内で探索シミュレーションを実行する。

次に、処理がアクティビティＡ０１０に進み、結果表示部２３６は、結果情報ＩＦ３を表示部３４に表示させる。結果情報ＩＦ３は、視覚情報ＩＦ２と一覧可能に表示される。このとき、結果表示部２３６は、履歴情報ＩＦ４を表示部３４に表示させてもよい。履歴情報ＩＦ４は、少なくとも結果情報ＩＦ３と一覧可能に表示される。

次に、処理がアクティビティＡ０１１に進み、制御部２３は、ユーザによる操作に基づき、再度、探索シミュレーションを実行するか否かの判定を行う。アクティビティＡ０１１での判定結果が否定の場合、すなわち、再度の探索シミュレーションが実行されない場合、制御部２３は探索シミュレーションを終了し、情報処理を終了する。一方、アクティビティＡ０１１での判定結果が肯定の場合、すなわち、再度の探索シミュレーションが実行される場合、処理がアクティビティＡ００８に戻り、制御部２３は、探索範囲Ｒの指定を受け付ける。このとき、視覚情報ＩＦ２は、前回のアクティビティＡ０１０にて表示された結果情報ＩＦ３と一覧可能に表示されている。前々回以前のアクティビティＡ０１０にて表示された結果情報ＩＦ３は、履歴情報ＩＦ４として表示される。このとき、履歴情報ＩＦ４は、結果情報ＩＦ３と一覧可能に表示される。

４．表示部３４に表示される内容の一例
本節では、上記情報処理に基づいて表示部３４に表示される内容の一例について、図６を用いて説明する。図６は、表示部３４に表示される表示内容の一例である。本実施形態では、ユーザが入力データＤを用いて商品の売上価格の予測を行う場面について説明する。すなわち、本実施形態における評価パラメータｙ１は、商品の売上価格である。評価パラメータｙ１の形式は任意であるが、本実施形態では浮動小数点である。また、当該学習モデルＭ１の説明変数の例として、第１の説明変数ｘ１１と、第２の説明変数ｘ１２と、第３の説明変数ｘ１３が挙げられる。これらの説明変数ｘ１１～ｘ１３の変数名ＶＮｘは、それぞれ変数名ＶＮｘ１，ＶＮｘ２，ＶＮｘ３と表されることがある。また、これらの説明変数ｘ１１～ｘ１３の探索範囲Ｒは、それぞれ探索範囲Ｒ１～Ｒ３と表されることがある。

第１の説明変数ｘ１１は、店舗への来客数を表す。第１の説明変数ｘ１１の形式は数値、特に自然数である。第１の説明変数ｘ１１の変数名ＶＮｘ１は、「来客数」である。第２の説明変数ｘ１２は、セールが開催される場合か否かを表す。第２の説明変数ｘ１２の形式はブーリアン変数である。すなわち、第２の説明変数ｘ１２は、真（ｔｒｕｅ）又は偽（ｆａｌｓｅ）の何れか一方で表される。第２の説明変数ｘ１２の変数名ＶＮｘ２は、「セール開催」である。第３の説明変数ｘ１３は、店舗で販売される商品カテゴリを表す。第３の説明変数ｘ１３の形式は文字列である。本実施形態では、第３の説明変数ｘ１３は、「食品」、「雑貨」、「書籍」、又は「その他」のうちの少なくとも１つで表される。第３の説明変数ｘ１３は、第３の説明変数ｘ１３の変数名ＶＮｘ３は、「商品カテゴリ」である。以下の説明では、入力データＤに基づく学習モデルＭ１の生成、学習モデルＭ１の説明変数ｘ１、及び変数名ＶＮｘの抽出が完了しているものとする。

本実施形態の表示部３４には、探索範囲指定ウィンドウ１０と、結果表示ウィンドウ１１と、学習履歴表示ウィンドウ１２と、が表示され得る。本実施形態では、探索範囲指定ウィンドウ１０と、結果表示ウィンドウ１１とが一覧可能に表示されている。また、結果表示ウィンドウ１１と、学習履歴表示ウィンドウ１２とが一覧可能に表示されている。したがって、探索範囲指定ウィンドウ１０と結果表示ウィンドウ１１と学習履歴表示ウィンドウ１２とが互いに一覧可能に表示されている。

４－１．探索範囲指定ウィンドウ１０について
探索範囲指定ウィンドウ１０では、第１の視覚情報１０１と、第２の視覚情報１０２と、第３の視覚情報１０３と、変数名表示エリア１０４と、探索範囲指定ボタン１０５と、が含まれる。

第１の視覚情報１０１は、第１の説明変数ｘ１１の探索範囲Ｒ１を指定可能に構成されている。第１の説明変数ｘ１１の形式が数値であるため、第１の視覚情報１０１は、学習モデルＭ１に入力される第１の説明変数ｘ１１の探索範囲Ｒ１として変域１０１１を指定可能に構成される。本実施形態では、視覚情報ＩＦ２は、スライダーで表示される。ユーザは、スライダーの位置を指定することにより、第１の説明変数ｘ１１の変域１０１１を指定することができる。具体的には、ユーザは、探索範囲Ｒ１の上限値及び下限値を指定することで、第１の説明変数ｘ１１の変域１０１１を指定することができる。これにより、ユーザは、スライダーの視覚情報に基づき説明変数ｘ１１の探索範囲Ｒ１を直感的に指定することができる。第１の視覚情報１０１にて指定された探索範囲の第１の説明変数ｘ１１のみが、探索シミュレーションに用いられる。なお、探索シミュレーションに用いられる第１の説明変数ｘ１１は、探索範囲のうちの全ての数値でなくてもよく、例えば、所定の間隔でサンプリングされた数値であってもよい。これにより、探索シミュレーションの際の処理が軽減され、探索シミュレーションの時間が短くなる。当該数値間隔は、ユーザによって任意に設定された値でもよく、指定された変域１０１１に基づき制御部２３が導出したものでもよい。

本実施形態の第１の視覚情報１０１には、第１の範囲１０１２と、第２の範囲１０１３とが表示されている。第１の範囲１０１２は、第１の説明変数ｘ１１の変域１０１１を指定可能な範囲である。言い換えれば、第１の範囲１０１２は、変域１０１１の上限値と下限値との間の領域を示す。一方、第２の範囲１０１３は、第１の説明変数ｘ１１の変域１０１１を指定不可な範囲である。言い換えれば、第２の範囲１０１３は、変域１０１１の下限値より小さい領域と、変域１０１１の上限値より大きい領域と、のうちの少なくとも一方を示す。第１の視覚情報１０１には、第１の範囲１０１２と、第２の範囲１０１３とが区別可能に表示されている。例えば、第１の範囲１０１２と第２の範囲１０１３との色彩や輪郭線などが異なる態様で区別可能に表示されてもよい。また、第１の範囲１０１２と第２の範囲１０１３とは、矢印、記号、図形等の目印を用いて区別可能に表示されてもよい。これにより、ユーザによる第１の説明変数ｘ１１の探索範囲Ｒ１のスケールの把握が容易となる。なお、第１の視覚情報１０１は、これに限られず、探索範囲Ｒ１の上限値及び下限値のうちの少なくとも一方を入力可能な入力フォームを用いて実現されてもよいし、プルダウンやドラムロール等のＵＩを用いて実現されてもよい。

第２の視覚情報１０２は、第２の説明変数ｘ１２の探索範囲Ｒ２を指定可能に構成されている。第２の説明変数ｘ１２の形式がブーリアン変数であるため、第２の視覚情報１０２は、当該説明変数ｘ１２が真及び偽の少なくとも一方を指定可能に構成されている。第２の視覚情報１０２にて指定されたブーリアン変数のみが、探索シミュレーションに用いられる。

本実施形態では、第２の視覚情報１０２は、真及び偽のそれぞれに対応するチェックボックスとして表示される。真（ｔｒｕｅ）に対応するチェックボックスのみがチェックされている場合、探索シミュレーションでは、セール開催されている条件下のみでの評価パラメータｙ１（売上価格）の探索シミュレーションが行われる。一方、偽（ｆａｌｓｅ）に対応するチェックボックスのみがチェックされている場合、探索シミュレーションでは、セール開催されていない条件下のみでの評価パラメータｙ１（売上価格）のシミュレーションが行われる。なお、両方のチェックボックスがチェックされている場合、例えば、セール開催されている条件下のみでの評価パラメータｙ１（売上価格）と、セール開催されていない条件下のみでの評価パラメータｙ１（売上価格）と、の重み付け平均に基づく探索シミュレーションが行われる。なお、第２の視覚情報１０２は、真及び偽の何れか一方を指定可能に表示されてもよい。具体的には、第２の視覚情報１０２は、ラジオボタンやドラムロールを用いて表示されてもよい。

第３の視覚情報１０３は、第３の説明変数ｘ１３の探索範囲Ｒ３を指定可能に構成されている。第３の説明変数ｘ１３の形式が文字列であるため、第３の視覚情報１０３は、当該文字列で表される商品カテゴリを指定可能に構成されている。本実施形態の第３の説明変数ｘ１３は、商品カテゴリとして「食品」、「雑貨」、「書籍」、及び「その他」という文字列で表される。そのため、第３の視覚情報１０３は、当該文字列のそれぞれを選択可能なチェックボックスとして表示される。例えば、指定された商品カテゴリのそれぞれの売上価格について、探索シミュレーションが行われる。なお、評価パラメータｙ１としては、指定された商品カテゴリの個別の売上価格に限られず、指定された商品カテゴリの売上価格の合計が用いられてもよい。

上記視覚情報１０１，１０２，１０３は、それぞれ指定操作エリアＢ１を含んでもよい。指定操作エリアＢ１は、上記視覚情報１０１，１０２，１０３の操作に基づき指定された探索範囲Ｒ１～Ｒ３の説明変数ｘ１１～ｘ１３を用いて探索シミュレーションを行うか否かを決定可能に構成されている。例えば、指定操作エリアＢ１は、ラジオボタンを用いて実現可能である。指定された探索範囲Ｒ１～Ｒ３の説明変数ｘ１１～ｘ１３を用いて探索シミュレーションを行う場合、当該指定された探索範囲Ｒ１～Ｒ３の説明変数ｘ１１～ｘ１３を用いて探索シミュレーションが行われる。一方、当該指定の一部を用いずに探索シミュレーションを行う場合、例えば、探索シミュレーションに用いられない指定に対応する説明変数ｘ１は、定数として取り扱われる。なお、これらの各処理はこれらに限らず任意である。

変数名表示エリア１０４では、説明変数ｘ１１～ｘ１３のそれぞれの変数名ＶＮｘ１，ＶＮｘ２，ＶＮｘ３が表示される。変数名表示エリア１０４は、説明変数ｘ１１～ｘ１３ごとに設けられている。変数名表示エリア１０４は、各説明変数ｘ１１～ｘ１３の近傍に設けられている。これにより、探索範囲指定ウィンドウ１０に表示されている説明変数ｘ１の内容の把握が容易となる。

探索範囲指定ボタン１０５は、ユーザの操作に基づき上記視覚情報１０１～１０３にて指定された探索範囲を保存するか否かを決定可能に構成されている。

４－２．結果表示ウィンドウ１１について
結果表示ウィンドウ１１では、探索範囲指定ウィンドウ１０にて指定された探索範囲Ｒ１～Ｒ３内の説明変数ｘ１１～ｘ１３を用いた探索シミュレーションの結果情報ＩＦ３が表示される。結果表示ウィンドウ１１は、探索シミュレーション実行ボタン１１１と、評価パラメータ名表示エリア１１２と、評価パラメータ表示エリア１１３と、説明変数表示エリア１１４と、を含む。

探索シミュレーション実行ボタン１１１には、ユーザによる操作に基づき探索範囲指定ウィンドウ１０にて指定された探索範囲Ｒ１～Ｒ３内の説明変数ｘ１１～ｘ１３を用いて探索シミュレーションを実行可能なＵＩが表示される。ユーザは、探索シミュレーション実行ボタン１１１を操作することにより、制御部２３に、指定された探索範囲Ｒ１～Ｒ３内の説明変数ｘ１１～ｘ１３を学習モデルＭ１に入力させる。これにより、結果情報ＩＦ３が学習モデルＭ１から出力される。

評価パラメータ名表示エリア１１２には、評価パラメータｙ１の変数名ＶＮｙが表示される。本実施形態の変数名ＶＮｙは、売上価格である。なお、評価パラメータｙ１の候補が複数存在する場合、評価パラメータ名表示エリア１１２は、当該評価パラメータｙ１の候補を選択可能に構成されていてもよい。

評価パラメータ表示エリア１１３には、結果情報ＩＦ３として、探索シミュレーションによって学習モデルＭ１から出力された評価パラメータｙ１が表示される。本実施形態では、評価パラメータ表示エリア１１３には、売上価格を示す数値が表示される。なお、評価パラメータ表示エリア１１３に結果情報ＩＦ３として表示される内容は数値に限られず、評価パラメータ表示エリア１１３には、探索条件を満たす説明変数ｘ１が存在するか否かが示されていてもよい。

説明変数表示エリア１１４には、結果情報ＩＦ３として、評価パラメータ表示エリア１１３に表示された評価パラメータｙ１に対応する説明変数ｘ１１～ｘ１３が表示される。評価パラメータ表示エリア１１３のそれぞれには、変数名ＶＮｘが表示されてもよい。

４－３．学習履歴表示ウィンドウ１２について
学習履歴表示ウィンドウ１２は、学習履歴表示エリア１２１と、ソート順指定エリア１２２と、ウィンドウ操作ボタン１２３と、を含む。

学習履歴表示エリア１２１には、過去に実行された探索シミュレーションの履歴情報ＩＦ４が表示される。履歴情報ＩＦ４は、過去に実行された探索シミュレーションによって生成された結果情報ＩＦ３の、少なくとも一部を含む。また、履歴情報ＩＦ４は、学習モデルＭ１の利用条件を含んでもよい。学習モデルＭ１の利用条件とは、例えば、当該探索シミュレーションが行われた時刻に関する情報や、学習モデルＭ１のバージョン情報などである。学習履歴表示エリア１２１には、過去の学習履歴を比較可能な態様で表示される。これにより、説明変数ｘ１の探索範囲Ｒと結果情報ＩＦ３との間の相関が把握しやすくなる。また、学習履歴表示エリア１２１には、過去の学習履歴を一覧可能に表示される。これにより、過去の学習履歴の比較が容易となる。

ソート順指定エリア１２２は、学習履歴表示エリア１２１に表示されている履歴情報ＩＦ４の表示順序を指定可能に構成されている。表示順序の指定方法は、探索シミュレーションが行われた時刻や、評価パラメータｙ１の値の大小など、任意である。ソート順指定エリア１２２にて表示順序を指定することにより、目的に応じて結果情報ＩＦ３を比較することが容易となる。

ウィンドウ操作ボタン１２３は、ユーザによる操作に基づき学習履歴表示ウィンドウ１２を閉じるかどうかを決定するＵＩである。ウィンドウ操作ボタン１２３が操作された場合、学習履歴表示ウィンドウ１２が閉じられる。

５．その他
前述の実施形態に係る情報処理システム１に関して、以下のような態様を採用してもよい。

第１の入力データＤ１及び第２の入力データＤ２は、それぞれ外部データＤ０としてデータベースＤＢ１に記憶されてもよい。これらの外部データＤ０は、所定の条件のもと、他のユーザに提供可能であってもよい。

制御部２３は、例えば、表示部３４に第１の入力データＤ１に対して行われた変換処理の履歴、いわゆる変換処理のバージョン、を表示させてもよい。これにより、変換処理と精度情報との関係性の類推が容易となる。また、制御部２３は、変換処理のバージョンの管理を行ってもよい。

制御部２３は、例えば、第１の入力データＤ１が所定の品質条件を満たさない場合、表示部３４に警告を表示させてもよい。品質条件とは、例えば、第１の入力データＤ１のデータ点の数、容量、外れ値の割合などである。品質条件を満たさない場合とは、例えば、第１の入力データＤ１のデータ点の数が所定の値未満である場合、第１の入力データＤ１の外れ値が所定の基準数より多い場合などである。なお、当該警告は、表示部３４に表示されるものに限られず、音、振動、光など任意の態様で実現可能である。

情報処理装置２は、オンプレミス形態であってもよく、クラウド形態であってもよい。クラウド形態の情報処理装置２としては、例えば、ＳａａＳ（Ｓｏｆｔｗａｒｅ ａｓ ａ Ｓｅｒｖｉｃｅ）、クラウドコンピューティングという形態で、上述の機能や処理を提供してもよい。

以上の実施形態では、情報処理装置２が種々の記憶・制御を行ったが、情報処理装置２に代えて、複数の外部装置が用いられてもよい。すなわち、ブロックチェーン技術等を用いて、入力データＤ、学習モデルＭ１、結果情報ＩＦ３、履歴情報ＩＦ４を分散して複数の外部装置に記憶させてもよい。

次に記載の各態様で提供されてもよい。

（２）前記情報処理システムにおいて、前記学習モデルは、前記入力データを少なくとも１つの学習器に入力することにより生成される、もの。

このような構成によれば、説明変数の抽出が、学習モデルの生成に入力された入力データに基づき行われる。そのため、説明変数の抽出精度を向上することができる。

（３）前記情報処理システムにおいて、前記説明変数の形式が文字列である場合、前記視覚情報は、当該説明変数を前記学習モデルに入力するか否かを選択可能に構成される、もの。

このような構成によれば、ユーザは、視覚情報に基づき、当該文字列に対応する説明変数を用いるか否かの選択方法を視認することができる。

（４）前記情報処理システムにおいて、前記説明変数の形式が数値である場合、前記視覚情報は、前記学習モデルに入力される前記説明変数の変域を指定可能に構成され、前記探索範囲は、前記変域に基づき規定される、もの。

このような構成によれば、ユーザは説明変数の探索範囲が変域として視認可能であるため、探索範囲を直感的に把握することが可能となる。

（５）前記情報処理システムにおいて、前記説明変数の形式が数値である場合、前記視覚情報は、前記学習モデルに入力される前記説明変数の上限値及び下限値のうちの少なくとも１つを指定可能に構成され、前記探索範囲は、前記上限値及び前記下限値のうちの少なくとも１つに基づき規定される、もの。

このような構成によれば、ユーザは上限値及び下限値のうちの少なくとも１つを指定することで、探索範囲を指定することが可能となる。したがって、説明変数として指定可能な数値の範囲が膨大な場合でも、ユーザによる探索範囲の指定が容易となる。

（６）前記情報処理システムにおいて、前記説明変数の形式が数値である場合、前記視覚情報は、スライダーで表示され、前記探索範囲は、前記スライダーの位置に基づき指定される、もの。

このような構成によれば、説明変数の形式が数値の場合、ユーザがスライダーの視覚情報に基づき説明変数の探索範囲を直感的に指定することができる。

（７）前記情報処理システムにおいて、前記視覚情報生成ステップでは、前記抽出ステップにて前記説明変数が複数抽出された場合、複数の前記説明変数のそれぞれに対応する前記視覚情報を生成する、もの。

このような構成によれば、複数の説明変数が抽出された場合にも、説明変数のそれぞれの学習モデルへの入力態様の指定を、直感的に行うことが可能となる。したがって、より効率的な説明変数の探索範囲をユーザが指定しやすくなる。

（８）前記情報処理システムにおいて、さらに、変数名抽出ステップでは、前記入力データから、抽出された前記説明変数を表す変数名を抽出し、変数表示ステップでは、前記説明変数の前記視覚情報と、前記変数名と、を一覧可能に表示させる、もの。

このような構成によれば、視覚情報に対応する変数をユーザが把握しやすくなる。

（９）前記情報処理システムにおいて、さらに、結果表示ステップでは、前記視覚情報と、指定された前記探索範囲における前記説明変数に基づき前記学習モデルから出力される結果情報と、を一覧可能に表示させる、もの。

このような構成によれば、ユーザは、指定された説明変数と、当該説明変数に対応する結果情報を一覧することができる。そのため、ユーザが説明変数と結果情報との対応関係を把握することが容易となる。

（１０）前記情報処理システムにおいて、前記結果表示ステップでは、さらに過去に出力された前記結果情報の履歴情報を表示させる、もの。

このような構成によれば、最新の結果情報と過去の結果情報とを対比することで、学習モデルの精度の推移を把握することが容易となる。

（１１）前記情報処理システムにおいて、前記視覚情報は、前記探索範囲を離散的に指定可能な、もの。

このような構成によれば、探索範囲を連続的に指定可能な場合に比べて、探索範囲を明確に指定することが可能となる。

（１２）前記情報処理システムにおいて、前記入力データは、少なくとも構造化データを含む、もの。

（１３）情報処理方法であって、前記情報処理システムの各ステップを含む、もの。

（１４）情報処理プログラムであって、コンピュータに、前記情報処理システムの各ステップを実行させる、もの。
もちろん、この限りではない。

さらに、以下のような観点にも留意されたい。

深層学習（Ｄｅｅｐ Ｌｅａｒｎｉｎｇ、ＤＬ）をはじめとする機械学習（Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ、ＭＬ）の技術を様々な局面で利用しようとする動きが加速し、一種のブームとも言える状況が生まれている。しかしこのような盛り上がりに反し、ＭＬ導入のプロジェクトの８５％が失敗し、ＭＬやＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ、人工知能）技術を活用できている企業は１０％、情報系企業ですら１７％にとどまると言われる。

これには様々な原因がある。第１にＭＬやＡＩがいかなる問題に対して有効かの理解が簡単ではないこと、第２にＭＬを使うためにはどういうデータを用意すればよいのか、どのようにデータの加工と前処理をすればよいのかが経験と勘に依存すること、第３にデータを大量に準備することが容易ではないこと、第４にＭＬやＡＩのモデルをどう構築したらよいのかの理解が簡単ではなく、しかも経験と勘に依存すること、第５にＭＬの一手法であるＤＬからなぜ欲する出力を得られるのかの理解が困難なこと、第６に以上のように理解が進まない結果として満足できる性能を得ることができないことなどが挙げられる。

上述のとおり、ＭＬを成功裏に活用するためには様々な障害が存在する反面、インターネット上には多くのＭＬサービスやＡＩサービスが存在し、どれを使えばよいのか分からないというカオス的状況にもある。

その上、上記のＭＬサービス、ＡＩサービスを使いこなすためにはたくさんのパラメータを入力しなければならず、パラメータの意味の理解も難しく、ＭＬやＡＩの専門家でなければ使いこなせないという現実も存在する。いわば、ＭＬサービスやＡＩサービスは専門家以外にも使える民主化されたサービスとはなっていなかった。

前述の状況を鑑み、専門的な知識を有していなくても使いこなすことができ、入力データを準備さえすれば３ステップでＭＬサービスを使うことができ、得られた結果に対する解析を提供し、さらには予測も行うことのできる技術を提供することにより、誰でもＭＬサービスを利用できる環境を創出することが本発明の目的である。これによりＭＬサービスが民主化される。

上記課題を解決するための技術的思想は、インターネット上に存在する多くのＭＬ（以下ＡｕｔｏＭＬと呼ぶ）サービスへ接続するためのラッピング・インターフェースシステムを提供することである。これにより、データの収集、前処理、アップロードなどのデータ準備（ステップ１）、モデル構築と複数のＭＬの並行的実行（ステップ２）、各ＭＬの性能比較と実業務への導入（ステップ３）の３ステップでＭＬの導入が可能となる。

そのためにまずアカウント設定やパラメータ入力手順等を一元化し、次に各ＡｕｔｏＭＬへとフォーマット変換を施す。これにより１０～１５ステップが必要であったアカウント作成を３ステップで行うことが可能となる。

次に、社内外のデータを収集する。このために必要な社内外データへのアクセスポイントに対して自動的に、あるいはユーザーの介入と補助を得ながら接続が行なわれ、データが収集される。

続いて、入力データの加工を行う。以下に限られないが、これにはデータのクレンジングとして日付データなどの形式の一元的形式への変換、欠損の多いデータ項目の処理などを行い、原データから統計的処理を含む前処理を適用して目的に適したデータに変換すること、クエリを使用してデータ抽出やデータ結合などを行うことなどが含まれる。

このとき、必要に応じて加工後のデータを表示して確認と修正を行ってもよい。

次に、ＭＬモデルの準備を行う。インターネット上に存在する各種ＭＬサービスの利用に限られず、ＧＵＩ（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）ベースによってプログラミングを行わずに独自モデルを構築する方法、インターネット上に存在する各種ＭＬサービスの修正を行って独自モデルを構築する方法、および既に構築されているがインターネット上には公開されていないＭＬモデルを本発明システムへインポートを行う方法等によって行われる。

さらには、プログラミングすることなく、ＭＬや統計分析を可能にする機能も提供される。加えて、どのようなテンプレートでモデル構築を行えば精度の高いモデルが構築できるかについて、入力データからリコメンドする機能も提供される。

ＭＬに入力されるデータを学習データと予測データに分割し、学習データによって学習したＭＬに予測データを入力してもよい。予測データはＭＬ性能比較等のためにこれ以降使われる。

入力データとＭＬモデルの準備が終了したら、学習データを用いて学習が開始される。
このとき複数のＭＬを並行的に実行させてもよい。

学習が終わったら、予測データが自動的あるいはユーザーの指示によって各ＭＬサービスに投入され、結果を得る。このとき複数のＡｕｔｏＭＬが並行的に実行されていれば、即座に性能比較ができる。

各ＡｕｔｏＭＬサービスの結果を表示する。これにはグラフィカルな可視化を含み、各ＭＬサービスの予測精度レベル（決定係数）、項目の寄与度の比較などが表示される。

上記のデータ収集～結果の表示と比較までを繰り返し、実業務に投入が可能だとユーザーによって判断されたら、運用が開始される。

運用において、用意されたＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍ Ｉｎｔｅｒｆａｃｅ）によってアプリケーションプログラムから本システムへ問い合わせを行うことによって結果がアプリケーションプログラムによって活用すること、あるいは本システムから直接結果を表示することも本発明の範囲である。

運用の自動化のためにＫｕｂｅｆｌｏｗを含むＭＬプラットフォームを利用しても良い。

上記一連の操作をパイプライン化し、操作の単純化を図っても良い。パイプライン化することにより自由度は下がるが全体の見通しが良くなり、専門家でなくても扱うことが可能となる。もし自由度を上げる必要があるときには、詳細画面を開く等によって専門的な項目設定を行っても良い。

さらにはパイプラインの流れに沿って各種変更や操作履歴の記録と閲覧が可能となり、ＭＬサービスやモデル選択の根拠を示すことが可能となる。

採用すべきＭＬモデルとそれに必要なデータ前処理方法が決定された後に、実業務に導入される。例えば、ＭＬの出力として売上予測が欲しい場合、直接本発明システムによって表示される画面を見ても良いし、必要に応じて本発明システムが提供するＡＰＩを介してアプリケーションプログラムから情報提供のリクエストが出され、それによってアプリケーションプログラムの画面に表示されても良い。

そこで、上記課題を解決するために、第１の態様に係る情報処理方法は、アカウント設定、パラメータ入力手順設定のうち少なくともいずれかを含む初期設定作業を一元化する第１のステップと、インターネット上に存在し得る自動機械学習サービスへ接続するためのフォーマット変換を施す第２のステップと、社内外のデータが収集される第３のステップと、前記収集されたデータを加工する第４のステップと、使用されるべき自動機械学習サービスの準備を行う第５のステップと、前記第４のステップにおいて加工されたデータを学習データと予測データとに分割し、前記学習データを前記第５のステップにおいて準備が行われた自動機械学習サービスによって学習させる第６のステップとを具備することを特徴とする。

また、上記課題を解決するために、第２の態様に係る情報処理装置は、アカウント設定、パラメータ入力手順設定のうち少なくともいずれかを含む初期設定作業を一元化することのできる一元化部と、インターネット上に存在し得る自動機械学習サービスへ接続するためのフォーマット変換を施すフォーマット変換部と、社内外のデータが収集されるデータ収集部と、前記収集されたデータを加工するデータ加工部と、使用されるべき自動機械学習サービスの準備を行う準備部と、前記データ加工部によって加工されたデータを学習データと予測データとに分割し、前記学習データを前記準備部によって準備が行われた自動機械学習サービスによって学習させる学習部とを具備することを特徴とする。

上記２つの態様によれば、深層学習をはじめとする機械学習技術の専門家でなくても、学習データを準備さえすれば学習モデルの選択および／または構築ができ、複数の学習モデルの結果から性能の比較ができ、複数の学習モデルから最適なものを選択でき、それを実業務に投入し、投入後の運用をサポートすることができることとなる。

第３の態様として、第２の態様において、前記収集され準備された入力データをインターネット上に存在する多くの自動機械学習サービスに応じた変換を行うようにしてもよい。この態様によれば、機械学習サービス毎に異なる入力データを準備するプロセスを省くことが可能となる。なお、この第３の態様は第１の態様に対して重畳的に用いることもできる。

第４の態様として、第２の態様において、入力データの単純な形式変換、欠損データもしくは重複・不要データの処理を含むデータクレンジング、原データからの特徴量の抽出、統計的処理を含む前処理を適用して目的に適したデータへの変換、クエリを使用したデータ抽出もしくはデータ結合を含むデータ変換、のうちの少なくともいずれかを実行するようにしてもよい。この態様によれば、入力データの単純な形式変換、欠損データもしくは重複・不要データの処理を含むデータクレンジング、原データからの特徴量の抽出、統計的処理を含む前処理を適用して目的に適したデータへの変換、クエリを使用したデータ抽出もしくはデータ結合を含むデータ変換、を簡単な指示を与えることにより実行することが可能となる。なお、この第４の態様は第１の態様に対して重畳的に用いることもできる。

第５の態様として、第２の態様において、インターネット上に存在する複数の機械学習サービスあるいは機械学習モデルを一覧できる一覧部と、前記一覧部にて一覧される複数の機械学習サービスあるいは機械学習モデルのうちのいずれかへの接続が選択される選択部と、前記選択部によって選択されたことにより一括して複数の機械学習サービスあるいは機械学習モデルへのデータ投入、平行的実行、結果の取得及び比較、のうちの少なくともいずれかを実行する実行部とをさらに備えるようにしてもよい。なお、この第５の態様は第１の態様に対して重畳的に用いることもできる。

第６の態様として、第２の態様において、前記学習部及び／もしくは前記準備部は、グラフィカル・ユーザー・インターフェース手段によって行われるようにしてもよい。この態様によれば、上記の機械学習サービスを選択することに加え、グラフィカル・ユーザー・インターフェースをベースにした手法でユーザー独自の機械学習モデルを構築することができ、および／または、公開情報として存在する機械学習モデルをインポートすることができる。なお、この第６の態様は第１の態様に対して重畳的に用いることもできる。

第７の態様として、第２の態様において、前記学習部において前記加工されたデータが前記学習データと前記予測データとに分割されるにおいては、機械学習への入力データを学習用データと性能比較および／または予測データに分割されるようにしてもよい。この態様によれば、前記機械学習への入力データを学習用データと性能比較および／または予測データに分割して利用することができる。なお、この第７の態様は第１の態様に対して重畳的に用いることもできる。

第８の態様として、第２の態様において、同一入力データによって実行した複数の機械学習サービスあるいは機械学習モデルの性能を比較するための指標を提供する指標提供部をさらに備えるようにしてもよい。なお、この第８の態様は第１の態様に対して重畳的に用いることもできる。

第９の態様として、第８の態様において、前記指標として、決定係数、平均絶対誤差、平均二乗偏差、項目寄与度、モデルの予測と実際の比較、残差ヒストグラム、のうちの少なくともいずれかを含む機械学習サービスと機械学習モデルの性能の比較を行うための指標が提示されるようにしてもよい。なお、この第９の態様は第１の態様に対して第８の態様が重畳された態様に対して重畳的に用いることもできる。

第１０の態様として、第２の態様において、複数の機械学習サービスと前記複数のうちのそれぞれの機械学習モデルの結果とから選択する選択部をさらに備えるようにしてもよい。この態様によれば、複数の機械学習サービスと前記複数のうちのそれぞれの機械学習モデルの結果とから最適なものが選択されて実業務への投入を行うことができる。なお、この第１０の態様は第１の態様に対して重畳的に用いることもできる。

第１１の態様として、第２の態様において、前記機械学習サービスと前記機械学習モデルの精度の維持及び／もしくは管理とを行うことのできる維持管理部をさらに備えるようにしてもよい。この態様によれば、実投入後に前記機械学習サービスと前記機械学習モデルの精度の維持及び／もしくは管理とを行うことのできる機能が提供される。
なお、この第１１の態様は第１の態様に対して重畳的に用いることもできる。

第１２の態様として、第２の態様において、前記データの収集・準備、複数の機械学習サービスと機械学習モデルの平行的実行、機械学習サービスと機械学習モデルの性能比較、実業務への投入の操作をパイプライン化するパイプライン部をさらに備えるようにしてもよい。この態様によれば、上記データの収集・準備、複数の機械学習サービスと機械学習モデルの平行的実行、機械学習サービスと機械学習モデルの性能比較、実業務への投入の操作がパイプライン化され、全体の見通しをよくすることができる。なお、この第１２の態様は第１の態様に対して重畳的に用いることもできる。

第１３の態様として、第１２の態様において、前記パイプライン化された処理の様々な中間段階で、必要に応じてユーザーが介入することを許容するユーザー介入部をさらに具備するようにしてもよい。この態様によれば、パイプライン化された処理の様々な中間段階で、必要に応じてユーザーが介入して詳細な設定や操作が行われてもよいこととなる。なお、この第１３の態様は第１の態様に対して第１２の態様が重畳された態様に対して重畳的に用いることもできる。

第１４の態様として、第２の態様において、前記機械学習サービスあるいは前記機械学習モデルの処理結果を得るために、アプリケーションプログラムからアプリケーションプログラムインターフェースを介して前記データの要求が行われるデータ要求部をさらに具備するようにしてもよい。この態様によれば、実業務へ投入された機械学習サービスあるいは機械学習モデルの処理結果を得るために、アプリケーションプログラムからアプリケーションプログラムインターフェースを介して本発明システムに対してデータの要求が行われ、それぞれのアプリケーションプログラムで表示を含む処理がされてもよいこととなる。なお、この第１４の態様は第１の態様に対して重畳的に用いることもできる。

第１５の態様として、第２の態様において、前記一元化部、前記フォーマット変換部、前記データ収集部、前記データ加工部、前記準備部、前記学習部、のうちの少なくともいずれかにおける画面がデータの収集と準備に係る画面、機械学習モデルの選択・構築・実行に係る画面、各学習モデルの性能比較に係る画面、機械学習モデルの選択を決定して実業務への導入する画面、の少なくともいずれかを含む画面遷移を有するようにしてもよい。この態様によれば、データの準備とアップロードから複数のＭＬ間の性能の比較と実業務への導入までの各ステップにおいて、複数の画面を用いてユーザーと情報がやり取りされるが、これらの画面がデータの収集と準備（前処理、アップロード等）に関わる画面、機械学習モデルの選択・構築・実行に関わる画面、（モデル構築、ＭＬの実行）、各学習モデルの性能比較に関する画面、そして機械学習モデルの選択を決定して実業務への導入する画面を含む画面遷移を有するから、画面遷移定義において学習プロセスが設計できることとなる。なお、この第１５の態様は第１の態様に対して重畳的に用いることもできる。

また、上記課題を解決するために、第１６の態様に係るプログラムは、コンピュータを、専門家の介在無しに、収集された学習データをそれぞれの機械学習サービスや機械学習モデルに合致するように変換するデータ加工・変換部と、欠損データや重複・不要データの処理を含むデータクレンジング部と、原データからの特徴量の抽出を行う特徴量抽出部と、統計的処理を含む前処理を適用して目的に適したデータへの変換やクエリを使用したデータ抽出やデータ結合を含むデータ変換を行うデータ結合・分割部と、データの正規化・標準化を行う正規化・標準化部と、複数の機械学習サービスや機械学習モデルを選択するサービス・モデル選択部と、機械学習モデルを構築するためのノーコード開発部と、平行的に複数の機械学習サービスや機械学習モデルを実行するシミュレーション部と、結果を表示し比較するモデル評価部と、最適な機械学習サービスあるいは機械学習モデルを選択するモデル選択部と、選択モデルを実業務へ投入し運用する投入・運用部と、上記一連の各部の機能をサポートするサポート部と、として機能させることを特徴とする。

上記態様によれば、専門家の介在無しに、収集された学習データをそれぞれの機械学習サービスや機械学習モデルに合致するように変換するデータ加工・変換部、欠損データや重複・不要データの処理を含むデータクレンジング部、原データからの特徴量の抽出を行う特徴量抽出部、統計的処理を含む前処理を適用して目的に適したデータへの変換やクエリを使用したデータ抽出やデータ結合を含むデータ変換を行うデータ結合・分割部、データの正規化・標準化を行う正規化・標準化部、複数の機械学習サービスや機械学習モデルを選択するサービス・モデル選択部、プログラミングをすることなしに独自の機械学習モデルを構築するノーコード開発部、平行的に複数の機械学習サービスや機械学習モデルを実行するシミュレーション部、結果を表示し比較するモデル評価部、最適な機械学習サービスあるいは機械学習モデルを選択するモデル選択部、選択モデルを実業務へ投入し運用する投入・運用部、およびこれら一連をサポートするサポート部、として機能することが可能となる。

第１７の態様として、第１６の態様に係るプログラムが記憶された記録媒体として実現することもできる。

１ ：情報処理システム
２ ：情報処理装置
３ ：ユーザ端末
１０ ：探索範囲指定ウィンドウ
１１ ：結果表示ウィンドウ
１２ ：学習履歴表示ウィンドウ
２０ ：通信バス
２１ ：通信部
２２ ：記憶部
２３ ：制御部
３０ ：通信バス
３１ ：通信部
３２ ：記憶部
３３ ：制御部
３４ ：表示部
３５ ：入力部
１０１ ：第１の視覚情報
１０２ ：第２の視覚情報
１０３ ：第３の視覚情報
１０４ ：変数名表示エリア
１０５ ：探索範囲指定ボタン
１１１ ：探索シミュレーション実行ボタン
１１２ ：評価パラメータ名表示エリア
１１３ ：評価パラメータ表示エリア
１１４ ：説明変数表示エリア
１２１ ：学習履歴表示エリア
１２２ ：ソート順指定エリア
１２３ ：ウィンドウ操作ボタン
２３１ ：データ受付部
２３２ ：抽出部
２３３ ：変数名抽出部
２３４ ：視覚情報生成部
２３５ ：変数表示部
２３６ ：結果表示部
１０１１ ：変域
１０１２ ：第１の範囲
１０１３ ：第２の範囲
Ａ００１ ：アクティビティ
Ａ００２ ：アクティビティ
Ａ００３ ：アクティビティ
Ａ００４ ：アクティビティ
Ａ００５ ：アクティビティ
Ａ００６ ：アクティビティ
Ａ００７ ：アクティビティ
Ａ００８ ：アクティビティ
Ａ００９ ：アクティビティ
Ａ０１０ ：アクティビティ
Ａ０１１ ：アクティビティ
Ｂ１ ：指定操作エリア
Ｄ ：入力データ
Ｄ０ ：外部データ
Ｄ１ ：第１の入力データ
Ｄ２ ：第２の入力データ
ＤＢ１ ：データベース
ＩＦ２ ：視覚情報
ＩＦ３ ：結果情報
ＩＦ４ ：履歴情報
Ｍ１ ：学習モデル
ＭＬ ：学習器
Ｒ ：探索範囲
Ｒ１ ：探索範囲
Ｒ２ ：探索範囲
Ｒ３ ：探索範囲
ＶＮｘ ：変数名
ＶＮｘ１ ：変数名
ＶＮｘ２ ：変数名
ＶＮｘ３ ：変数名
ＶＮｙ ：変数名
ｘ１ ：説明変数
ｘ１１ ：第１の説明変数
ｘ１２ ：第２の説明変数
ｘ１３ ：第３の説明変数
ｙ１ ：評価パラメータ

Claims (14)

1. 情報処理システムであって、
   制御部を備え、
   前記制御部は、次の各ステップを実行するように構成され、
   データ受付ステップでは、入力データの入力を受け付け、
   抽出ステップでは、入力される前記入力データに基づき、学習モデルから説明変数を抽出し、
   視覚情報生成ステップでは、前記説明変数の形式に応じて、抽出された前記説明変数の探索範囲を指定可能な視覚情報を生成する、もの。
2. 請求項１に記載の情報処理システムにおいて、
   前記学習モデルは、前記入力データを少なくとも１つの学習器に入力することにより生成される、もの。
3. 請求項２に記載の情報処理システムにおいて、
   前記説明変数の形式が文字列である場合、前記視覚情報は、当該説明変数を前記学習モデルに入力するか否かを選択可能に構成される、もの。
4. 請求項２又は請求項３に記載の情報処理システムにおいて、
   前記説明変数の形式が数値である場合、前記視覚情報は、前記学習モデルに入力される前記説明変数の変域を指定可能に構成され、
   前記探索範囲は、前記変域に基づき規定される、もの。
5. 請求項４に記載の情報処理システムにおいて、
   前記説明変数の形式が数値である場合、前記視覚情報は、前記学習モデルに入力される前記説明変数の上限値及び下限値のうちの少なくとも１つを指定可能に構成され、
   前記探索範囲は、前記上限値及び前記下限値のうちの少なくとも１つに基づき規定される、もの。
6. 請求項４又は請求項５に記載の情報処理システムにおいて、
   前記説明変数の形式が数値である場合、前記視覚情報は、スライダーで表示され、
   前記探索範囲は、前記スライダーの位置に基づき指定される、もの。
7. 請求項１～請求項６の何れか１つに記載の情報処理システムにおいて、
   前記視覚情報生成ステップでは、前記抽出ステップにて前記説明変数が複数抽出された場合、複数の前記説明変数のそれぞれに対応する前記視覚情報を生成する、もの。
8. 請求項１～請求項７の何れか１つに記載の情報処理システムにおいて、
   さらに、変数名抽出ステップでは、前記入力データから、抽出された前記説明変数を表す変数名を抽出し、
   変数表示ステップでは、前記説明変数の前記視覚情報と、前記変数名と、を一覧可能に表示させる、もの。
9. 請求項１～請求項８の何れか１つに記載の情報処理システムにおいて、
   さらに、結果表示ステップでは、前記視覚情報と、指定された前記探索範囲における前記説明変数に基づき前記学習モデルから出力される結果情報と、を一覧可能に表示させる、もの。
10. 請求項９に記載の情報処理システムにおいて、
    前記結果表示ステップでは、さらに過去に出力された前記結果情報の履歴情報を表示させる、もの。
11. 請求項１～請求項１０の何れか１つに記載の情報処理システムにおいて、
    前記視覚情報は、前記探索範囲を離散的に指定可能な、もの。
12. 請求項１～請求項１１の何れか１つに記載の情報処理システムにおいて、
    前記入力データは、少なくとも構造化データを含む、もの。
13. 情報処理方法であって、
    請求項１～請求項１２の何れか１つに記載の情報処理システムの各ステップを含む、もの。
14. 情報処理プログラムであって、
    コンピュータに、請求項１～請求項１２の何れか１つに記載の情報処理システムの各ステップを実行させる、もの。

Images