JP6954082B2 - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP6954082B2 JP6954082B2 JP2017241179A JP2017241179A JP6954082B2 JP 6954082 B2 JP6954082 B2 JP 6954082B2 JP 2017241179 A JP2017241179 A JP 2017241179A JP 2017241179 A JP2017241179 A JP 2017241179A JP 6954082 B2 JP6954082 B2 JP 6954082B2
- Authority
- JP
- Japan
- Prior art keywords
- error
- data
- learning
- data group
- prediction
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
前記テストデータ群を用いて、前記学習モデルの予測精度を算出し、
前記予測精度が所定の条件を満たす場合は、前記複数の教師データから前記テストデータ群、および、前記第1の教師データ群を除外した残りのデータである第2の教師データ群を用いて、前記学習モデルによる予測値の誤差が所定の条件を満たすかを判別する誤差推定モデルの学習を行う、
処理をコンピュータに実行させる学習プログラム。
付記1に記載の学習プログラム。
付記1または2に記載の学習プログラム。
前記誤差推定モデルの学習を行う処理は、算出した前記誤差推定モデルの予測精度が所定の条件を満たさない場合は、前記予測値の誤差の条件を変更する、
付記1乃至3のいずれか一に記載の学習プログラム。
複数の教師データからテストデータ群を除外したデータの一部である第1の教師データ群を用いて学習した学習モデルに前記予測対象の入力データを入力して当該入力データに対する予測値を取得し、
前記テストデータ群を用いて算出した前記学習モデルの予測精度が所定の条件を満たす場合に前記複数の教師データから前記テストデータ群、および、前記第1の教師データ群を除外した残りのデータである第2の教師データ群を用いて学習した、前記学習モデルによる予測値の誤差が所定の条件を満たすかを判別する誤差推定モデルに、前記予測対象の入力データを入力して当該入力データに対する予測値の誤差の判定結果を取得し、
取得した前記予測値および前記予測値の誤差の判定結果を出力する、
処理をコンピュータに実行させる予測プログラム。
前記テストデータ群を用いて、前記学習モデルの予測精度を算出し、
前記予測精度が所定の条件を満たす場合は、前記複数の教師データから前記テストデータ群、および、前記第1の教師データ群を除外した残りのデータである第2の教師データ群を用いて、前記学習モデルによる予測値の誤差が所定の条件を満たすかを判別する誤差推定モデルの学習を行う、
処理をコンピュータが実行する学習方法。
付記6に記載の学習方法。
付記6または7に記載の学習方法。
前記誤差推定モデルの学習を行う処理は、算出した前記誤差推定モデルの予測精度が所定の条件を満たさない場合は、前記予測値の誤差の条件を変更する、
付記6乃至8のいずれか一に記載の学習方法。
複数の教師データからテストデータ群を除外したデータの一部である第1の教師データ群を用いて学習した学習モデルに前記予測対象の入力データを入力して当該入力データに対する予測値を取得し、
前記テストデータ群を用いて算出した前記学習モデルの予測精度が所定の条件を満たす場合に前記複数の教師データから前記テストデータ群、および、前記第1の教師データ群を除外した残りのデータである第2の教師データ群を用いて学習した、前記学習モデルによる予測値の誤差が所定の条件を満たすかを判別する誤差推定モデルに、前記予測対象の入力データを入力して当該入力データに対する予測値の誤差の判定結果を取得し、
取得した前記予測値および前記予測値の誤差の判定結果を出力する、
処理をコンピュータが実行する予測方法。
前記テストデータ群を用いて、前記学習モデルの予測精度を算出する学習モデル精度評価部と、
前記予測精度が所定の条件を満たす場合は、前記複数の教師データから前記テストデータ群、および、前記第1の教師データ群を除外した残りのデータである第2の教師データ群を用いて、前記学習モデルによる予測値の誤差が所定の条件を満たすかを判別する誤差推定モデルの学習を行う誤差推定モデル生成部と、
を有する学習装置。
付記11に記載の学習装置。
付記11または12に記載の学習装置。
前記誤差推定モデル生成部は、算出した前記誤差推定モデルの予測精度が所定の条件を満たさない場合は、前記予測値の誤差の条件を変更する、
付記11乃至13のいずれか一に記載の学習装置。
複数の教師データの一部のデータを用いて学習した学習モデルに前記予測対象の入力データを入力して当該入力データに対する予測値を取得する予測部と、
前記複数の教師データに含まれるテストデータを用いて算出した前記学習モデルの予測精度が所定の条件を満たす場合に前記複数の教師データの残りのデータを用いて学習した、前記学習モデルによる予測値の誤差が所定の条件を満たすかを判別する誤差推定モデルに、前記予測対象の入力データを入力して当該入力データに対する予測値の誤差の判定結果を取得する誤差判別部と、
取得した前記予測値および前記予測値の誤差の判定結果を出力する出力部と、
を有することを特徴とする予測装置。
2…予測装置
3…コンピュータ
10、20…入力部
10a、10c…閾値
10b…標本データ
10d、d1、d2…教師データ
11…教師データ生成部
11a…データ分割部
12…モデル生成部
12a…学習モデル生成部
12b…学習モデル精度評価部
12c…誤差推定モデル生成部
12d…誤差推定モデル精度評価部
13…学習モデル
14…誤差推定モデル
20a…予測対象データ
21…予測部
22…誤差判別部
23…出力部
23a…出力データ
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
C1、C2…ケース
L…境界線
Claims (9)
- 複数の教師データからテストデータ群を除外したデータの一部である第1の教師データ群を用いて学習モデルの学習を行い、
前記テストデータ群を用いて、前記学習モデルの予測精度を算出し、
前記予測精度が所定の条件を満たす場合は、前記複数の教師データから前記テストデータ群、および、前記第1の教師データ群を除外した残りのデータである第2の教師データ群を用いて、前記学習モデルによる予測値の誤差が所定の条件を満たすかを判別する誤差推定モデルの学習を行う、
処理をコンピュータに実行させる学習プログラム。 - 前記学習モデルの学習を行う処理は、算出した前記予測精度が所定の条件を満たさない場合、前記複数の教師データのうちで前記第1の教師データ群の割合を増加する、
請求項1に記載の学習プログラム。 - 前記誤差推定モデルの学習を行う処理は、前記第2の教師データ群のデータ量に基づいて前記予測値の誤差の条件を決定する、
請求項1または2に記載の学習プログラム。 - 前記テストデータ群を用いて前記誤差推定モデルの予測精度を算出する処理を更にコンピュータに実行させ、
前記誤差推定モデルの学習を行う処理は、算出した前記誤差推定モデルの予測精度が所定の条件を満たさない場合は、前記予測値の誤差の条件を変更する、
請求項1乃至3のいずれか一項に記載の学習プログラム。 - 予測対象の入力データを受け付け、
複数の教師データからテストデータ群を除外したデータの一部である第1の教師データ群を用いて学習した学習モデルに前記予測対象の入力データを入力して当該入力データに対する予測値を取得し、
前記テストデータ群を用いて算出した前記学習モデルの予測精度が所定の条件を満たす場合に前記複数の教師データから前記テストデータ群、および、前記第1の教師データ群を除外した残りのデータである第2の教師データ群を用いて学習した、前記学習モデルによる予測値の誤差が所定の条件を満たすかを判別する誤差推定モデルに、前記予測対象の入力データを入力して当該入力データに対する予測値の誤差の判定結果を取得し、
取得した前記予測値および前記予測値の誤差の判定結果を出力する、
処理をコンピュータに実行させる予測プログラム。 - 複数の教師データからテストデータ群を除外したデータの一部である第1の教師データ群を用いて学習モデルの学習を行い、
前記テストデータ群を用いて、前記学習モデルの予測精度を算出し、
前記予測精度が所定の条件を満たす場合は、前記複数の教師データから前記テストデータ群、および、前記第1の教師データ群を除外した残りのデータである第2の教師データ群を用いて、前記学習モデルによる予測値の誤差が所定の条件を満たすかを判別する誤差推定モデルの学習を行う、
処理をコンピュータが実行する学習方法。 - 予測対象の入力データを受け付け、
複数の教師データからテストデータ群を除外したデータの一部である第1の教師データ群を用いて学習した学習モデルに前記予測対象の入力データを入力して当該入力データに対する予測値を取得し、
前記テストデータ群を用いて算出した前記学習モデルの予測精度が所定の条件を満たす場合に前記複数の教師データから前記テストデータ群、および、前記第1の教師データ群を除外した残りのデータである第2の教師データ群を用いて学習した、前記学習モデルによる予測値の誤差が所定の条件を満たすかを判別する誤差推定モデルに、前記予測対象の入力データを入力して当該入力データに対する予測値の誤差の判定結果を取得し、
取得した前記予測値および前記予測値の誤差の判定結果を出力する、
処理をコンピュータが実行することを特徴とする予測方法。 - 複数の教師データからテストデータ群を除外したデータの一部である第1の教師データ群を用いて学習モデルの学習を行う学習モデル生成部と、
前記テストデータ群を用いて、前記学習モデルの予測精度を算出する学習モデル精度評価部と、
前記予測精度が所定の条件を満たす場合は、前記複数の教師データから前記テストデータ群、および、前記第1の教師データ群を除外した残りのデータである第2の教師データ群を用いて、前記学習モデルによる予測値の誤差が所定の条件を満たすかを判別する誤差推定モデルの学習を行う誤差推定モデル生成部と、
を有する学習装置。 - 予測対象の入力データを受け付ける入力部と、
複数の教師データからテストデータ群を除外したデータの一部である第1の教師データ群を用いて学習した学習モデルに前記予測対象の入力データを入力して当該入力データに対する予測値を取得する予測部と、
前記テストデータ群を用いて算出した前記学習モデルの予測精度が所定の条件を満たす場合に前記複数の教師データから前記テストデータ群、および、前記第1の教師データ群を除外した残りのデータである第2の教師データ群を用いて学習した、前記学習モデルによる予測値の誤差が所定の条件を満たすかを判別する誤差推定モデルに、前記予測対象の入力データを入力して当該入力データに対する予測値の誤差の判定結果を取得する誤差判別部と、
取得した前記予測値および前記予測値の誤差の判定結果を出力する出力部と、
を有することを特徴とする予測装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017241179A JP6954082B2 (ja) | 2017-12-15 | 2017-12-15 | 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 |
US16/207,247 US11170321B2 (en) | 2017-12-15 | 2018-12-03 | Learning method, prediction method, learning device, predicting device, and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017241179A JP6954082B2 (ja) | 2017-12-15 | 2017-12-15 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019109634A JP2019109634A (ja) | 2019-07-04 |
JP6954082B2 true JP6954082B2 (ja) | 2021-10-27 |
Family
ID=66814570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017241179A Active JP6954082B2 (ja) | 2017-12-15 | 2017-12-15 | 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 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11170321B2 (ja) |
JP (1) | JP6954082B2 (ja) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7318646B2 (ja) * | 2018-06-27 | 2023-08-01 | ソニーグループ株式会社 | 情報処理装置、情報処理方法、およびプログラム |
CN110600081A (zh) * | 2019-09-10 | 2019-12-20 | 吉林大学 | 一种端到端的基于深度学习的ncRNA家族识别方法 |
CN110798227B (zh) * | 2019-09-19 | 2023-07-25 | 平安科技(深圳)有限公司 | 模型预测优化方法、装置、设备及可读存储介质 |
CN113449893A (zh) * | 2020-03-25 | 2021-09-28 | 中移(成都)信息通信科技有限公司 | 虫害预测模型训练的方法、虫害预测的方法及装置 |
CN111461329B (zh) * | 2020-04-08 | 2024-01-23 | 中国银行股份有限公司 | 一种模型的训练方法、装置、设备及可读存储介质 |
CN111863104B (zh) * | 2020-07-29 | 2023-05-09 | 展讯通信(上海)有限公司 | 眼图判定模型训练方法、眼图判定方法、装置、设备及介质 |
WO2022024315A1 (ja) * | 2020-07-30 | 2022-02-03 | 富士通株式会社 | 精度推定プログラム、装置、及び方法 |
CN113762470A (zh) * | 2021-08-23 | 2021-12-07 | 迟源 | 预测模型构建方法、预测方法、装置、设备及介质 |
US20230090727A1 (en) * | 2021-09-21 | 2023-03-23 | Spectrum Effect Inc. | Classifying rf interference sources using machine learning and operations, administration, and management data |
CN115687038B (zh) * | 2022-08-23 | 2023-09-26 | 江苏臻云技术有限公司 | 一种基于大数据的硬盘故障预测系统及方法 |
CN117312806B (zh) * | 2023-11-29 | 2024-03-01 | 佳源科技股份有限公司 | 复杂环境下电能表计量误差预测方法及系统 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4046309B2 (ja) | 1999-03-12 | 2008-02-13 | 株式会社東芝 | プラント監視装置 |
JP2004086896A (ja) | 2002-08-06 | 2004-03-18 | Fuji Electric Holdings Co Ltd | 適応的予測モデル構築方法及び適応的予測モデル構築システム |
JP2005135287A (ja) * | 2003-10-31 | 2005-05-26 | National Agriculture & Bio-Oriented Research Organization | 予測装置、予測方法および予測プログラム |
EP2323081A1 (en) * | 2008-08-05 | 2011-05-18 | Fujitsu Limited | Method of creating estimation model by means of multiple regression analysis, creation system and creation program |
US20120284212A1 (en) * | 2011-05-04 | 2012-11-08 | Google Inc. | Predictive Analytical Modeling Accuracy Assessment |
JP6109037B2 (ja) * | 2013-10-23 | 2017-04-05 | 本田技研工業株式会社 | 時系列データ予測装置、時系列データ予測方法、及びプログラム |
CN105095614A (zh) * | 2014-04-18 | 2015-11-25 | 国际商业机器公司 | 更新预测模型的方法和装置 |
WO2016152053A1 (ja) * | 2015-03-23 | 2016-09-29 | 日本電気株式会社 | 精度推定モデル生成システムおよび精度推定システム |
US11593817B2 (en) * | 2015-06-30 | 2023-02-28 | Panasonic Intellectual Property Corporation Of America | Demand prediction method, demand prediction apparatus, and non-transitory computer-readable recording medium |
JP6536295B2 (ja) * | 2015-08-31 | 2019-07-03 | 富士通株式会社 | 予測性能曲線推定プログラム、予測性能曲線推定装置および予測性能曲線推定方法 |
-
2017
- 2017-12-15 JP JP2017241179A patent/JP6954082B2/ja active Active
-
2018
- 2018-12-03 US US16/207,247 patent/US11170321B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019109634A (ja) | 2019-07-04 |
US11170321B2 (en) | 2021-11-09 |
US20190188598A1 (en) | 2019-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6954082B2 (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 | |
US10262233B2 (en) | Image processing apparatus, image processing method, program, and storage medium for using learning data | |
Sim et al. | Missing values and optimal selection of an imputation method and classification algorithm to improve the accuracy of ubiquitous computing applications | |
JP5454827B1 (ja) | 文書評価装置、文書評価方法、及びプログラム | |
JP5214760B2 (ja) | 学習装置、方法及びプログラム | |
JP2005524131A (ja) | クラシファイアの性能の見積りに関する方法および装置 | |
JP2011209879A (ja) | 評価装置および評価プログラム | |
US11105855B2 (en) | Tester and method for testing a device under test and tester and method for determining a single decision function | |
Buckley et al. | A feature extraction & selection benchmark for structural health monitoring | |
WO2019160003A1 (ja) | モデル学習装置、モデル学習方法、プログラム | |
JP2020170214A (ja) | 時系列データ分析方法、時系列データ分析装置及びコンピュータプログラム | |
JP7276018B2 (ja) | 学習方法、推定方法および学習プログラム | |
EP4068140A1 (en) | Method and system for optimizing a simulation model using machine learning | |
JP2017102906A (ja) | 情報処理装置、情報処理方法及びプログラム | |
WO2020234984A1 (ja) | 学習装置、学習方法、コンピュータプログラム及び記録媒体 | |
JP2021071823A (ja) | 予測モデル説明方法、予測モデル説明プログラム、予測モデル説明装置 | |
JP7207540B2 (ja) | 学習支援装置、学習支援方法、及びプログラム | |
JP6201556B2 (ja) | 予測モデル学習装置、予測モデル学習方法およびコンピュータプログラム | |
JP6930195B2 (ja) | モデル同定装置、予測装置、監視システム、モデル同定方法および予測方法 | |
JP2020086778A (ja) | 機械学習モデル構築装置および機械学習モデル構築方法 | |
Talukdar et al. | Learning evaluation for intelligence | |
Olteanu | Strategies for the incremental inference of majority-rule sorting models | |
WO2021044459A1 (ja) | 学習装置、予測システム、方法およびプログラム | |
WO2023073967A1 (ja) | 精度判定プログラム、精度判定装置、および精度判定方法 | |
WO2022003824A1 (ja) | 学習装置、学習方法および記録媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200911 |
|
TRDD | Decision of grant or rejection written | ||
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210825 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210831 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210913 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6954082 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |