JP7172332B2 - 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
- JP7172332B2 JP7172332B2 JP2018174275A JP2018174275A JP7172332B2 JP 7172332 B2 JP7172332 B2 JP 7172332B2 JP 2018174275 A JP2018174275 A JP 2018174275A JP 2018174275 A JP2018174275 A JP 2018174275A JP 7172332 B2 JP7172332 B2 JP 7172332B2
- Authority
- JP
- Japan
- Prior art keywords
- hypotheses
- training data
- prediction
- hypothesis
- learning
- 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
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/045—Explanation of inference; Explainable artificial intelligence [XAI]; Interpretable artificial intelligence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
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。
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、前記複数の仮説それぞれの重みを算出する学習を行う、
処理をコンピュータに実行させることを特徴とする学習プログラム。
ことを特徴とする付記1に記載の学習プログラム。
ことを特徴とする付記1または2に記載の学習プログラム。
ことを特徴とする付記1乃至3のいずれか一に記載の学習プログラム。
ことを特徴とする付記1乃至4のいずれか一に記載の学習プログラム。
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、前記入力データの予測結果を生成する処理をコンピュータに実行させ、
前記予測結果は、予測の確度を示す予測スコア、および、当該予測結果に対応付けられた仮説を含む、
ことを特徴とする予測プログラム。
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、前記複数の仮説それぞれの重みを算出する学習を行う、
処理をコンピュータが実行することを特徴とする学習方法。
ことを特徴とする付記7に記載の学習方法。
ことを特徴とする付記7または8に記載の学習方法。
ことを特徴とする付記7乃至9のいずれか一に記載の学習方法。
ことを特徴とする付記7乃至10のいずれか一に記載の学習方法。
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、前記入力データの予測結果を生成する処理をコンピュータが実行し、
前記予測結果は、予測の確度を示す予測スコア、および、当該予測結果に対応付けられた仮説を含む、
ことを特徴とする予測方法。
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、前記複数の仮説それぞれの重みを算出する学習を行う学習部と、
を有することを特徴とする学習装置。
ことを特徴とする付記13に記載の学習装置。
ことを特徴とする付記13または14に記載の学習装置。
ことを特徴とする付記13乃至15のいずれか一に記載の学習装置。
ことを特徴とする付記13乃至16のいずれか一に記載の学習装置。
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、前記入力データの予測結果を生成する予測部と、を有し、
前記予測結果は、予測の確度を示す予測スコア、および、当該予測結果に対応付けられた仮説を含む、
ことを特徴とする予測装置。
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
C01~C09…組み合わせ
H1~H11…仮説
IN1~IN3…入力データ
P1~P4…訓練データ
N1~N3…訓練データ
R1、R2…ルール
T1、T2…決定木
Claims (9)
- 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、リテラルの数が所定の値以下である条件を満たす仮説を列挙した仮説集合を生成し、
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、前記複数の仮説それぞれの重みを算出する学習を行う、
処理をコンピュータに実行させることを特徴とする学習プログラム。 - 前記条件は、前記仮説により分類される訓練データの数または割合が所定の値以上を含む、
ことを特徴とする請求項1に記載の学習プログラム。 - 前記生成する処理は、前記説明変数の組み合わせの中から前記条件が成立する組み合わせのみを前記仮説として列挙する、
ことを特徴とする請求項1または2に記載の学習プログラム。 - 前記生成する処理は、前記説明変数の組み合わせの中から前記条件が成立する組み合わせのうち、リテラルの数が極小となる組み合わせのみを前記仮説として列挙する、
ことを特徴とする請求項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、
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、リテラルの数が所定の値以下である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、前記入力データの予測結果を生成する処理をコンピュータに実行させ、
前記予測結果は、予測の確度を示す予測スコア、および、当該予測結果に対応付けられた仮説を含む、
ことを特徴とする予測プログラム。 - 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、リテラルの数が所定の値以下である条件を満たす仮説を列挙した仮説集合を生成し、
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、前記複数の仮説それぞれの重みを算出する学習を行う、
処理をコンピュータが実行することを特徴とする学習方法。 - 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、リテラルの数が所定の値以下である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、前記入力データの予測結果を生成する処理をコンピュータが実行し、
前記予測結果は、予測の確度を示す予測スコア、および、当該予測結果に対応付けられた仮説を含む、
ことを特徴とする予測方法。 - 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、リテラルの数が所定の値以下である条件を満たす仮説を列挙した仮説集合を生成する生成部と、
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、前記複数の仮説それぞれの重みを算出する学習を行う学習部と、
を有することを特徴とする学習装置。 - 予測対象の入力データを受け付ける入力部と、
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、リテラルの数が所定の値以下である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、前記入力データの予測結果を生成する予測部と、を有し、
前記予測結果は、予測の確度を示す予測スコア、および、当該予測結果に対応付けられた仮説を含む、
ことを特徴とする予測装置。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018174275A JP7172332B2 (ja) | 2018-09-18 | 2018-09-18 | 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 |
US16/566,375 US20200090064A1 (en) | 2018-09-18 | 2019-09-10 | Computer-readable recoding medium, learning method, prediction method, learning apparatus, and prediction apparatus |
CN201910858365.0A CN110909758A (zh) | 2018-09-18 | 2019-09-11 | 计算机可读记录介质、学习方法和学习装置 |
EP19196930.2A EP3627402A1 (en) | 2018-09-18 | 2019-09-12 | Learning program, learning method, and learning apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018174275A JP7172332B2 (ja) | 2018-09-18 | 2018-09-18 | 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 |
---|---|
JP2020046888A JP2020046888A (ja) | 2020-03-26 |
JP7172332B2 true JP7172332B2 (ja) | 2022-11-16 |
Family
ID=67953624
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018174275A Active JP7172332B2 (ja) | 2018-09-18 | 2018-09-18 | 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 (4)
Country | Link |
---|---|
US (1) | US20200090064A1 (ja) |
EP (1) | EP3627402A1 (ja) |
JP (1) | JP7172332B2 (ja) |
CN (1) | CN110909758A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7443542B2 (ja) | 2020-02-07 | 2024-03-05 | クノル-ブレムゼ ジステーメ フューア ヌッツファールツォイゲ ゲゼルシャフト ミット ベシュレンクテル ハフツング | 商用車用の電気機械式デュアルサーキットステアリング装置 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115885294A (zh) * | 2020-07-31 | 2023-03-31 | 富士通株式会社 | 预测程序、预测方法以及预测装置 |
JPWO2022137386A1 (ja) | 2020-12-23 | 2022-06-30 | ||
CN116982057A (zh) | 2021-02-04 | 2023-10-31 | 富士通株式会社 | 精度计算程序、精度计算方法以及信息处理装置 |
WO2022190384A1 (ja) | 2021-03-12 | 2022-09-15 | 富士通株式会社 | 特徴量選択プログラム、装置、及び方法 |
EP4318333A4 (en) | 2021-03-31 | 2024-05-22 | Fujitsu Limited | INFORMATION PRESENTATION PROGRAM, INFORMATION PRESENTATION METHOD AND INFORMATION PRESENTATION DEVICE |
JP2024072531A (ja) | 2022-11-16 | 2024-05-28 | 富士通株式会社 | 情報処理プログラム、情報処理方法および情報処理装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001229026A (ja) | 1999-12-09 | 2001-08-24 | Nec Corp | 知識発見方式 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8538904B2 (en) * | 2010-11-01 | 2013-09-17 | International Business Machines Corporation | Scalable ontology extraction |
-
2018
- 2018-09-18 JP JP2018174275A patent/JP7172332B2/ja active Active
-
2019
- 2019-09-10 US US16/566,375 patent/US20200090064A1/en not_active Abandoned
- 2019-09-11 CN CN201910858365.0A patent/CN110909758A/zh active Pending
- 2019-09-12 EP EP19196930.2A patent/EP3627402A1/en not_active Ceased
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001229026A (ja) | 1999-12-09 | 2001-08-24 | Nec Corp | 知識発見方式 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7443542B2 (ja) | 2020-02-07 | 2024-03-05 | クノル-ブレムゼ ジステーメ フューア ヌッツファールツォイゲ ゲゼルシャフト ミット ベシュレンクテル ハフツング | 商用車用の電気機械式デュアルサーキットステアリング装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2020046888A (ja) | 2020-03-26 |
US20200090064A1 (en) | 2020-03-19 |
CN110909758A (zh) | 2020-03-24 |
EP3627402A1 (en) | 2020-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
JP6954003B2 (ja) | データベースのための畳み込みニューラルネットワークモデルの決定装置及び決定方法 | |
US10489280B2 (en) | Method and apparatus for test modeling | |
US20160063396A1 (en) | Method and apparatus for classification | |
US20200293313A1 (en) | Methods and Apparatus for Finding Long Methods in Code | |
US20160085665A1 (en) | Intelligent software test augmenting | |
US20200311486A1 (en) | Testing bias checkers | |
US11288065B2 (en) | Devops driven cognitive cost function for software defect prediction | |
US20170076213A1 (en) | Detecting Interesting Decision Rules in Tree Ensembles | |
US20160093117A1 (en) | Generating Estimates of Failure Risk for a Vehicular Component | |
EP3764289A1 (en) | Prediction program, prediction method, and prediction apparatus | |
US20170154279A1 (en) | Characterizing subpopulations by exposure response | |
US11003567B2 (en) | Method and apparatus for test modeling | |
Swathi et al. | Genetic algorithm approach to optimize test cases | |
WO2022024339A1 (ja) | 予測プログラム、予測方法および予測装置 | |
US20220101186A1 (en) | Machine-learning model retraining detection | |
CN112561569B (zh) | 基于双模型的到店预测方法、系统、电子设备及存储介质 | |
US11487770B2 (en) | Sorting data elements of a given set of data elements | |
JP2011034377A (ja) | 情報処理装置及び情報処理方法及びプログラム | |
JP7259596B2 (ja) | 予測プログラム、予測方法および予測装置 | |
US20220147850A1 (en) | Hypothesis verification apparatus, hypothesis verification, and computer-readable recording medium | |
Hasnain et al. | An ontology based test case prioritization approach in regression testing | |
US20220335310A1 (en) | Detect un-inferable data | |
US10587487B2 (en) | Selecting time-series data for information technology (IT) operations analytics anomaly detection | |
US20230136125A1 (en) | Training sample set generation from imbalanced data in view of user goals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210610 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220428 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220517 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220715 |
|
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: 20221004 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221017 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7172332 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |