JP5125071B2 - スケール算出プログラム、スケール算出装置およびスケール算出方法 - Google Patents
スケール算出プログラム、スケール算出装置およびスケール算出方法 Download PDFInfo
- Publication number
- JP5125071B2 JP5125071B2 JP2006313060A JP2006313060A JP5125071B2 JP 5125071 B2 JP5125071 B2 JP 5125071B2 JP 2006313060 A JP2006313060 A JP 2006313060A JP 2006313060 A JP2006313060 A JP 2006313060A JP 5125071 B2 JP5125071 B2 JP 5125071B2
- Authority
- JP
- Japan
- Prior art keywords
- case
- unknown
- scale
- value
- explanatory
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
まず最初に、以下の実施例で用いる主要な用語を説明する。以下の実施例で用いる「説明変数」とは、「数値」で表現される変数であり、例えば、「説明変数:数値」として「年齢(単位:才):30」のように示されるものであり、「説明変数値」とは、「説明変数」の「数値」のことであり、例えば、上記の「30」のことである。また、「目的変数」とは、「文字列」で表現される変数であり、例えば、「目的変数:文字列」として「購入状況:する」もしくは「購入状況:しない」などのように示されるものであり、「目的変数値」とは、「目的変数」を表現する「文字列」のことであり、例えば、「する」もしくは「しない」がこれに相当する。また、「事例」とは、複数の「説明変数」と1つの「目的変数」とから構成される集合であり、例えば、「説明変数」として「年齢(単位:才)」および「年収(単位:万円)」と「目的変数」として「購入状況:する、もしくは、しない」の構成からなる「事例」としては、『「年齢:30」、「年収:400」、「購入状況:しない」』などが挙げられる。
続いて、図2〜5を用いて、実施例1におけるスケール算出装置の概要および主たる特徴を具体的に説明する。図2は、実施例1におけるスケール算出装置を含む予測装置の構成を示すブロック図であり、図3は、実施例1における事例間距離算出部を説明するための図であり、図4は実施例1における確信度算出部を説明するための図であり、図5は、実施例1におけるスケール算出装置の概要および特徴を説明するための図である。
次に、図6を用いて、実施例1におけるスケール算出装置を説明する。図6は、実施例1におけるスケール算出装置の構成を示すブロック図である。
次に、図7を用いて、実施例1におけるスケール算出装置100による処理を説明する。図7は、実施例1におけるスケール算出装置の処理の手順を示す図である。
上記したように、実施例1によれば、既知事例集合と未知事例集合とを合わせた集合において、説明変数ごとにスケールを算出するので、既知事例集合のみからスケールを算出するよりも、未知事例の説明変数値が外れ値である場合にも対応したスケールを算出でき、高精度な予測結果を実現することが可能になる。
まず最初に、図8を用いて、実施例2におけるスケール算出装置の主たる特徴を具体的に説明する。図8は、実施例2におけるスケール算出装置の概要および特徴を説明するための図である。
次に、図9を用いて、実施例2におけるスケール算出装置を説明する。図9は、実施例2におけるスケール算出装置の構成を示すブロック図である。なお、スケール算出後における各部(図2に示す、事例間距離記憶部22、類似事例集合記憶部23、事例間距離算出部32、類似事例集合抽出部33および確信度算出部34)の構成と処理内容とは、上述した図2におけるものと同じなので説明を省略する。
次に、図10を用いて、実施例2におけるスケール算出装置100による処理を説明する。図10は、実施例2におけるスケール算出装置の処理の手順を示す図である。
上記したように、実施例2によれば、既知事例集合と未知事例集合とを合わせた集合において、説明変数値の標準偏差を当該説明変数のスケールとして説明変数ごとに算出するので、既知事例集合の説明変数の標準偏差をスケールとするよりも、未知事例の説明変数の数値が外れ値である場合にも対応したスケールを算出でき、高精度な予測結果を実現することが可能になる。
まず最初に、図11を用いて、実施例3におけるスケール算出装置の主たる特徴を具体的に説明する。図11は、実施例3におけるスケール算出装置の概要および特徴を説明するための図である。
次に、図9を用いて、実施例3におけるスケール算出装置を説明する。図9は、実施例2におけるスケール算出装置の構成を示すブロック図である。同図に示すように、実施例3におけるスケール算出装置100は、実施例2における追スケール算出装置100と同様の構成であるが、統合統計スケール算出部31eの処理内容が異なる。以下、これを中心に説明する。なお、スケール算出後における各部(図2に示す、事例間距離記憶部22、類似事例集合記憶部23、事例間距離算出部32、類似事例集合抽出部33および確信度算出部34)の構成と処理内容とは、上述した図2におけるものと同じなので説明を省略する。
次に、図10を用いて、実施例3におけるスケール算出装置100による処理を説明する。図10は、実施例2におけるスケール算出装置の処理の手順を示す図である。
上記したように、実施例3によれば、既知事例集合のすべての既知事例と未知事例集合のすべての未知事例との組み合わせにおける説明変数間距離の二乗の平均がすべての説明変数において一定値「1」となるように、スケールを説明変数ごとに算出するので、各説明変数の数値が有する分布をさらに揃えるスケールを算出でき、高精度な予測結果を実現することが可能になる。
まず最初に、図12を用いて、実施例4におけるスケール算出装置の主たる特徴を具体的に説明する。図12は、実施例4におけるスケール算出装置の概要および特徴を説明するための図である。
次に、図6を用いて、実施例4におけるスケール算出装置を説明する。図6は、実施例1におけるスケール算出装置の構成を示すブロック図である。同図に示すように、実施例4におけるスケール算出装置100は、実施例1における追スケール算出装置100と同様の構成であるが、統合スケール算出部31bの処理内容が異なる。以下、これを中心に説明する。なお、スケール算出後における各部(図2に示す、事例間距離記憶部22、類似事例集合記憶部23、事例間距離算出部32、類似事例集合抽出部33および確信度算出部34)の構成と処理内容とは、上述した図2におけるものと同じなので説明を省略する。
次に、図7を用いて、実施例4におけるスケール算出装置100による処理を説明する。図7は、実施例1におけるスケール算出装置の処理の手順を示す図である。
上記したように、実施例4によれば、既知事例集合のすべての既知事例と未知事例集合のすべての未知事例との組み合わせにおける説明変数間距離の二乗の標準偏差がすべての前記説明変数において一定値「1」となるように、スケールを説明変数ごとに算出するので、各説明変数の数値が有する分布をさらに揃えるスケールを算出でき、高精度な予測結果を実現することが可能になる。
上記の実施例1〜4では、既知事例集合と未知事例集合とを合わせた集合において、説明変数ごとにスケールを算出する場合について説明したが、本発明はこれに限定されるものではなく、未知事例集合から1つの未知事例を予測対象として順次抽出し、当該1つの未知事例と既知事例集合とを合わせた集合において、説明変数ごとにスケールを算出する場合であってもよい。
上記の実施例1〜4では、既知事例集合と未知事例集合とを合わせた集合において、説明変数ごとにスケールを算出する場合について説明したが、本発明はこれに限定されるものではなく、外れ値が存在する説明変数の項目に基づいて未知事例集合をさらに未知事例部分集合に分類し、未知事例部分集合ごとに既知事例集合と合わせた集合を生成して、生成した集合ごとにスケールを説明変数それぞれについて算出する場合であってもよい。
また、上記の実施例において説明した各処理のうち、自動的におこなわれるものとして説明した処理の全部または一部を手動でおこなうこともでき(例えば、確信度を自動的に算出するのではなく、ユーザが類似事例集合のテーブルを参照して未知事例ごとに予測するなど)、あるいは、手動的におこなうものとして説明した処理の全部または一部を公知の方法で自動的におこなうこともできる。例えば、この他、上記文章中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報(例えば、類似事例として抽出する既知事例の数「k」など)については、特記する場合を除いて任意に変更することができる。
ところで上記の実施例1〜4では、ハードウェアロジックによって各種の処理を実現する場合を説明したが、本発明はこれに限定されるものではなく、あらかじめ用意されたプログラムをコンピュータで実行するようにしてもよい。そこで以下では、図13を用いて、上記の実施例1に示したスケール算出装置100と同様の機能を有するスケール算出プログラムを実行するコンピュータの一例を説明する。図13は、実施例1におけるスケール算出プログラムを実行するコンピュータを示す図である。
前記既知事例の集合である既知事例集合と前記未知事例の集合である未知事例集合とを合わせた集合において、前記説明変数ごとに前記スケールを算出するスケール算出手順と、
前記スケール算出手順によって算出された前記説明変数ごとの前記スケールを格納して保持する算出スケール保持手順と、
をコンピュータに実行させることを特徴とするスケール算出プログラム。
前記既知事例の集合である既知事例集合と前記未知事例の集合である未知事例集合とを合わせた集合において、前記説明変数ごとに前記スケールを算出するスケール算出手段と、
前記スケール算出手段によって算出された前記説明変数ごとの前記スケールを格納して保持する算出スケール保持手段と、
を備えたことを特徴とするスケール算出装置。
前記既知事例の集合である既知事例集合と前記未知事例の集合である未知事例集合とを合わせた集合において、前記説明変数ごとに前記スケールを算出するスケール算出工程と、
前記スケール算出工程によって算出された前記説明変数ごとの前記スケールを格納して保持する算出スケール保持工程と、
を含んだことを特徴とするスケール算出方法。
11 データ入力部
12 予測結果出力部
13 入出力制御I/F部
20 記憶部
21 スケール記憶部
22 事例間距離記憶部
23 類似事例集合記憶部
30 処理部
31 スケール算出部
32 事例間距離算出部
33 類似事例集合抽出部
34 確信度算出部
100 スケール算出装置
21a 統合集合記憶部
21b 統合スケール記憶部
31a 統合集合生成部
31b 統合スケール算出部
Claims (12)
- 数値で表現される説明変数と文字列で表現される目的変数とからなる事例において、前記目的変数の値が既知の事例である既知事例と前記目的変数の値が未知の事例である未知事例との間における前記説明変数ごとの距離である説明変数間距離から求まる事例間距離に基づき前記未知事例と類似した前記既知事例を抽出して当該未知事例の前記目的変数の値を予測する際に、前記説明変数間距離を算出するために用いられるスケールを前記説明変数ごとに算出するスケール算出方法をコンピュータに実行させるスケール算出プログラムであって、
前記既知事例の集合である既知事例集合と前記未知事例の集合である未知事例集合とを合わせた集合において、前記説明変数の前記数値の最大値と前記数値の最小値との差を、前記説明変数それぞれにおける前記数値の分布を揃えるための値であり、前記説明変数間距離を算出する際に前記既知事例の説明変数の数値と前記未知事例の当該説明変数の数値との差分値の絶対値を除算するための値である前記スケールとして、前記説明変数ごとに算出するスケール算出手順と、
前記スケール算出手順によって算出された前記説明変数ごとの前記スケールを格納して保持する算出スケール保持手順と、
をコンピュータに実行させることを特徴とするスケール算出プログラム。 - 数値で表現される説明変数と文字列で表現される目的変数とからなる事例において、前記目的変数の値が既知の事例である既知事例と前記目的変数の値が未知の事例である未知事例との間における前記説明変数ごとの距離である説明変数間距離から求まる事例間距離に基づき前記未知事例と類似した前記既知事例を抽出して当該未知事例の前記目的変数の値を予測する際に、前記説明変数間距離を算出するために用いられるスケールを前記説明変数ごとに算出するスケール算出方法をコンピュータに実行させるスケール算出プログラムであって、
前記既知事例の集合である既知事例集合と前記未知事例の集合である未知事例集合とを合わせた集合において、前記説明変数の前記数値の標準偏差を、前記説明変数それぞれにおける前記数値の分布を揃えるための値であり、前記説明変数間距離を算出する際に前記既知事例の説明変数の数値と前記未知事例の当該説明変数の数値との差分値の絶対値を除算するための値である前記スケールとして、前記説明変数ごとに算出するスケール算出手順と、
前記スケール算出手順によって算出された前記説明変数ごとの前記スケールを格納して保持する算出スケール保持手順と、
をコンピュータに実行させることを特徴とするスケール算出プログラム。 - 数値で表現される説明変数と文字列で表現される目的変数とからなる事例において、前記目的変数の値が既知の事例である既知事例と前記目的変数の値が未知の事例である未知事例との間における前記説明変数ごとの距離である説明変数間距離から求まる事例間距離に基づき前記未知事例と類似した前記既知事例を抽出して当該未知事例の前記目的変数の値を予測する際に、前記説明変数間距離を算出するために用いられるスケールを前記説明変数ごとに算出するスケール算出方法をコンピュータに実行させるスケール算出プログラムであって、
前記既知事例の集合である既知事例集合のすべての前記既知事例と前記未知事例の集合である未知事例集合のすべての前記未知事例との組み合わせにおける前記説明変数間距離の二乗の平均がすべての前記説明変数において一定値となるように、前記説明変数それぞれにおける前記数値の分布を揃えるための値であり、前記説明変数間距離を算出する際に前記既知事例の説明変数の数値と前記未知事例の当該説明変数の数値との差分値の絶対値を除算するための値である前記スケールを、前記説明変数ごとに算出するスケール算出手順と、
前記スケール算出手順によって算出された前記説明変数ごとの前記スケールを格納して保持する算出スケール保持手順と、
をコンピュータに実行させることを特徴とするスケール算出プログラム。 - 数値で表現される説明変数と文字列で表現される目的変数とからなる事例において、前記目的変数の値が既知の事例である既知事例と前記目的変数の値が未知の事例である未知事例との間における前記説明変数ごとの距離である説明変数間距離から求まる事例間距離に基づき前記未知事例と類似した前記既知事例を抽出して当該未知事例の前記目的変数の値を予測する際に、前記説明変数間距離を算出するために用いられるスケールを前記説明変数ごとに算出するスケール算出方法をコンピュータに実行させるスケール算出プログラムであって、
前記既知事例の集合である既知事例集合のすべての前記既知事例と前記未知事例の集合である未知事例集合のすべての前記未知事例との組み合わせにおける前記説明変数間距離の二乗の標準偏差がすべての前記説明変数において一定値となるように、前記説明変数それぞれにおける前記数値の分布を揃えるための値であり、前記説明変数間距離を算出する際に前記既知事例の説明変数の数値と前記未知事例の当該説明変数の数値との差分値の絶対値を除算するための値である前記スケールを、前記説明変数ごとに算出するスケール算出手順と、
前記スケール算出手順によって算出された前記説明変数ごとの前記スケールを格納して保持する算出スケール保持手順と、
をコンピュータに実行させることを特徴とするスケール算出プログラム。 - 数値で表現される説明変数と文字列で表現される目的変数とからなる事例において、前記目的変数の値が既知の事例である既知事例と前記目的変数の値が未知の事例である未知事例との間における前記説明変数ごとの距離である説明変数間距離から求まる事例間距離に基づき前記未知事例と類似した前記既知事例を抽出して当該未知事例の前記目的変数の値を予測する際に、前記説明変数間距離を算出するために用いられるスケールを前記説明変数ごとに算出するスケール算出装置であって、
前記既知事例の集合である既知事例集合と前記未知事例の集合である未知事例集合とを合わせた集合において、前記説明変数の前記数値の最大値と前記数値の最小値との差を、前記説明変数それぞれにおける前記数値の分布を揃えるための値であり、前記説明変数間距離を算出する際に前記既知事例の説明変数の数値と前記未知事例の当該説明変数の数値との差分値の絶対値を除算するための値である前記スケールとして、前記説明変数ごとに算出するスケール算出手段と、
前記スケール算出手段によって算出された前記説明変数ごとの前記スケールを格納して保持する算出スケール保持手段と、
を備えたことを特徴とするスケール算出装置。 - 数値で表現される説明変数と文字列で表現される目的変数とからなる事例において、前記目的変数の値が既知の事例である既知事例と前記目的変数の値が未知の事例である未知事例との間における前記説明変数ごとの距離である説明変数間距離から求まる事例間距離に基づき前記未知事例と類似した前記既知事例を抽出して当該未知事例の前記目的変数の値を予測する際に、前記説明変数間距離を算出するために用いられるスケールを前記説明変数ごとに算出するスケール算出装置であって、
前記既知事例の集合である既知事例集合と前記未知事例の集合である未知事例集合とを合わせた集合において、前記説明変数の前記数値の標準偏差を、前記説明変数それぞれにおける前記数値の分布を揃えるための値であり、前記説明変数間距離を算出する際に前記既知事例の説明変数の数値と前記未知事例の当該説明変数の数値との差分値の絶対値を除算するための値である前記スケールとして、前記説明変数ごとに算出するスケール算出手段と、
前記スケール算出手段によって算出された前記説明変数ごとの前記スケールを格納して保持する算出スケール保持手段と、
を備えたことを特徴とするスケール算出装置。 - 数値で表現される説明変数と文字列で表現される目的変数とからなる事例において、前記目的変数の値が既知の事例である既知事例と前記目的変数の値が未知の事例である未知事例との間における前記説明変数ごとの距離である説明変数間距離から求まる事例間距離に基づき前記未知事例と類似した前記既知事例を抽出して当該未知事例の前記目的変数の値を予測する際に、前記説明変数間距離を算出するために用いられるスケールを前記説明変数ごとに算出するスケール算出装置であって、
前記既知事例の集合である既知事例集合のすべての前記既知事例と前記未知事例の集合である未知事例集合のすべての前記未知事例との組み合わせにおける前記説明変数間距離の二乗の平均がすべての前記説明変数において一定値となるように、前記説明変数それぞれにおける前記数値の分布を揃えるための値であり、前記説明変数間距離を算出する際に前記既知事例の説明変数の数値と前記未知事例の当該説明変数の数値との差分値の絶対値を除算するための値である前記スケールを、前記説明変数ごとに算出するスケール算出手段と、
前記スケール算出手段によって算出された前記説明変数ごとの前記スケールを格納して保持する算出スケール保持手段と、
を備えたことを特徴とするスケール算出装置。 - 数値で表現される説明変数と文字列で表現される目的変数とからなる事例において、前記目的変数の値が既知の事例である既知事例と前記目的変数の値が未知の事例である未知事例との間における前記説明変数ごとの距離である説明変数間距離から求まる事例間距離に基づき前記未知事例と類似した前記既知事例を抽出して当該未知事例の前記目的変数の値を予測する際に、前記説明変数間距離を算出するために用いられるスケールを前記説明変数ごとに算出するスケール算出装置であって、
前記既知事例の集合である既知事例集合のすべての前記既知事例と前記未知事例の集合である未知事例集合のすべての前記未知事例との組み合わせにおける前記説明変数間距離の二乗の標準偏差がすべての前記説明変数において一定値となるように、前記説明変数それぞれにおける前記数値の分布を揃えるための値であり、前記説明変数間距離を算出する際に前記既知事例の説明変数の数値と前記未知事例の当該説明変数の数値との差分値の絶対値を除算するための値である前記スケールを、前記説明変数ごとに算出するスケール算出手段と、
前記スケール算出手段によって算出された前記説明変数ごとの前記スケールを格納して保持する算出スケール保持手段と、
を備えたことを特徴とするスケール算出装置。 - コンピュータが、数値で表現される説明変数と文字列で表現される目的変数とからなる事例において、前記目的変数の値が既知の事例である既知事例と前記目的変数の値が未知の事例である未知事例との間における前記説明変数ごとの距離である説明変数間距離から求まる事例間距離に基づき前記未知事例と類似した前記既知事例を抽出して当該未知事例の前記目的変数の値を予測する際に、前記説明変数間距離を算出するために用いられるスケールを前記説明変数ごとに算出するスケール算出方法であって、
前記コンピュータが、
前記既知事例の集合である既知事例集合と前記未知事例の集合である未知事例集合とを合わせた集合において、前記説明変数の前記数値の最大値と前記数値の最小値との差を、前記説明変数それぞれにおける前記数値の分布を揃えるための値であり、前記説明変数間距離を算出する際に前記既知事例の説明変数の数値と前記未知事例の当該説明変数の数値との差分値の絶対値を除算するための値である前記スケールとして、前記説明変数ごとに算出し、
前記算出した前記説明変数ごとの前記スケールを記憶部に格納する、
ことを特徴とするスケール算出方法。 - コンピュータが、数値で表現される説明変数と文字列で表現される目的変数とからなる事例において、前記目的変数の値が既知の事例である既知事例と前記目的変数の値が未知の事例である未知事例との間における前記説明変数ごとの距離である説明変数間距離から求まる事例間距離に基づき前記未知事例と類似した前記既知事例を抽出して当該未知事例の前記目的変数の値を予測する際に、前記説明変数間距離を算出するために用いられるスケールを前記説明変数ごとに算出するスケール算出方法であって、
前記コンピュータが、
前記既知事例の集合である既知事例集合と前記未知事例の集合である未知事例集合とを合わせた集合において、前記説明変数の前記数値の標準偏差を、前記説明変数それぞれにおける前記数値の分布を揃えるための値であり、前記説明変数間距離を算出する際に前記既知事例の説明変数の数値と前記未知事例の当該説明変数の数値との差分値の絶対値を除算するための値である前記スケールとして、前記説明変数ごとに算出し、
前記算出した前記説明変数ごとの前記スケールを記憶部に格納する、
ことを特徴とするスケール算出方法。 - コンピュータが、数値で表現される説明変数と文字列で表現される目的変数とからなる事例において、前記目的変数の値が既知の事例である既知事例と前記目的変数の値が未知の事例である未知事例との間における前記説明変数ごとの距離である説明変数間距離から求まる事例間距離に基づき前記未知事例と類似した前記既知事例を抽出して当該未知事例の前記目的変数の値を予測する際に、前記説明変数間距離を算出するために用いられるスケールを前記説明変数ごとに算出するスケール算出方法であって、
前記コンピュータが、
前記既知事例の集合である既知事例集合のすべての前記既知事例と前記未知事例の集合である未知事例集合のすべての前記未知事例との組み合わせにおける前記説明変数間距離の二乗の平均がすべての前記説明変数において一定値となるように、前記説明変数それぞれにおける前記数値の分布を揃えるための値であり、前記説明変数間距離を算出する際に前記既知事例の説明変数の数値と前記未知事例の当該説明変数の数値との差分値の絶対値を除算するための値である前記スケールを、前記説明変数ごとに算出し、
前記算出した前記説明変数ごとの前記スケールを記憶部に格納する、
ことを特徴とするスケール算出方法。 - コンピュータが、数値で表現される説明変数と文字列で表現される目的変数とからなる事例において、前記目的変数の値が既知の事例である既知事例と前記目的変数の値が未知の事例である未知事例との間における前記説明変数ごとの距離である説明変数間距離から求まる事例間距離に基づき前記未知事例と類似した前記既知事例を抽出して当該未知事例の前記目的変数の値を予測する際に、前記説明変数間距離を算出するために用いられるスケールを前記説明変数ごとに算出するスケール算出方法であって、
前記コンピュータが、
前記既知事例の集合である既知事例集合のすべての前記既知事例と前記未知事例の集合である未知事例集合のすべての前記未知事例との組み合わせにおける前記説明変数間距離の二乗の標準偏差がすべての前記説明変数において一定値となるように、前記説明変数それぞれにおける前記数値の分布を揃えるための値であり、前記説明変数間距離を算出する際に前記既知事例の説明変数の数値と前記未知事例の当該説明変数の数値との差分値の絶対値を除算するための値である前記スケールを、前記説明変数ごとに算出し、
前記算出した前記説明変数ごとの前記スケールを記憶部に格納する、
ことを特徴とするスケール算出方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006313060A JP5125071B2 (ja) | 2006-11-20 | 2006-11-20 | スケール算出プログラム、スケール算出装置およびスケール算出方法 |
US11/981,226 US7933853B2 (en) | 2006-11-20 | 2007-10-31 | Computer-readable recording medium, apparatus and method for calculating scale-parameter |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006313060A JP5125071B2 (ja) | 2006-11-20 | 2006-11-20 | スケール算出プログラム、スケール算出装置およびスケール算出方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2008129784A JP2008129784A (ja) | 2008-06-05 |
JP5125071B2 true JP5125071B2 (ja) | 2013-01-23 |
Family
ID=39418107
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006313060A Expired - Fee Related JP5125071B2 (ja) | 2006-11-20 | 2006-11-20 | スケール算出プログラム、スケール算出装置およびスケール算出方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US7933853B2 (ja) |
JP (1) | JP5125071B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5699713B2 (ja) * | 2011-03-17 | 2015-04-15 | 富士通株式会社 | データ解析プログラム、データ解析方法、およびデータ解析装置 |
JP5988419B2 (ja) * | 2012-01-11 | 2016-09-07 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 予測方法、予測システムおよびプログラム |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3762840B2 (ja) * | 1998-11-24 | 2006-04-05 | 富士通株式会社 | 類似事例に基づく予測を行う予測装置および方法 |
US6388592B1 (en) * | 2001-01-18 | 2002-05-14 | International Business Machines Corporation | Using simulated pseudo data to speed up statistical predictive modeling from massive data sets |
JP2004164506A (ja) * | 2002-11-15 | 2004-06-10 | Fujitsu Ltd | データ分割予測装置 |
JP4318221B2 (ja) * | 2004-12-02 | 2009-08-19 | 富士通株式会社 | 医療情報分析装置、方法及びプログラム |
-
2006
- 2006-11-20 JP JP2006313060A patent/JP5125071B2/ja not_active Expired - Fee Related
-
2007
- 2007-10-31 US US11/981,226 patent/US7933853B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
US20080120263A1 (en) | 2008-05-22 |
JP2008129784A (ja) | 2008-06-05 |
US7933853B2 (en) | 2011-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110221965B (zh) | 测试用例生成、测试方法、装置、设备及系统 | |
US20080097937A1 (en) | Distributed method for integrating data mining and text categorization techniques | |
CN109685056A (zh) | 获取文档信息的方法及装置 | |
JPWO2008078366A1 (ja) | データ検証装置、データ検証方法およびデータ検証プログラム | |
CN112365202B (zh) | 一种多目标对象的评价因子筛选方法及其相关设备 | |
CN112016967B (zh) | 一种交易数据处理方法与装置 | |
EP3608802A1 (en) | Model variable candidate generation device and method | |
CN105446990A (zh) | 一种业务数据处理方法及设备 | |
Solarin | Revisiting the convergence hypothesis of tourism markets: Evidence from South Africa | |
JP2018116566A (ja) | 会計処理システム、会計処理方法及び会計処理プログラム | |
CN114510735A (zh) | 基于角色管理的智慧共享财务管理方法及平台 | |
JP2016522933A (ja) | 債務不履行となる企業の蓋然性の計算 | |
JP5125071B2 (ja) | スケール算出プログラム、スケール算出装置およびスケール算出方法 | |
Lacerda et al. | Testing for purchasing power parity and uncovered interest parity in the presence of monetary and exchange rate regime shifts | |
CN111930944B (zh) | 文件标签分类方法及装置 | |
JP5117744B2 (ja) | 単語意味タグ付与装置および方法、プログラム並びに記録媒体 | |
JP2018169904A (ja) | 消込処理装置、消込処理方法、及び消込処理プログラム | |
JP2009157443A (ja) | 仕訳データ作成装置、仕訳データ作成プログラム及び仕訳データ作成方法 | |
AU2018100566A4 (en) | Decentralized financial intelligence based on decentralized consensus and anonymized transaction history | |
KR20210035987A (ko) | 자카드 모델 기반의 문서 검색 장치 및 방법 | |
JP2005222445A (ja) | データマイニングにおける情報処理方法及び解析装置 | |
TWI621952B (zh) | 比較表格自動產生方法、裝置及其電腦程式產品 | |
CN110941952A (zh) | 一种完善审计分析模型的方法及装置 | |
JP2009140178A (ja) | パターン抽出装置、パターン抽出プログラムおよびパターン抽出方法 | |
JP2003323601A (ja) | 信頼性尺度付き予測装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20090710 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110830 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20111021 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120626 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120726 |
|
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: 20121002 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20121015 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20151109 Year of fee payment: 3 |
|
LAPS | Cancellation because of no payment of annual fees |