JP7414502B2 - 情報処理装置、情報処理方法およびプログラム - Google Patents

Description

本発明の実施形態は、情報処理装置、情報処理方法およびプログラムに関する。

電力を使用する地域ごとに機械学習などにより作成されたモデルを用いて、指定された地域での電力の需要を気象データから予測する技術が提案されている。気象データは、例えば気象台などの施設が設置されている地域について気象庁が提供するデータを用いることができる。また、限定された地域に対して提供される気象データから、気象データが提供されない地域の気象データを予測する技術が提案されている。予測した気象データも用いれば、広範囲の地域の需要予測をより高精度に実現可能となる。

上記のような予測技術では、予測の精度に悪い影響を与えるデータおよび良い影響を与えるデータを抽出し、悪い影響を与えるデータを用いず、良い影響を与えるデータを用いるように構成することが望ましい。

特開２０１９－０８７０２７号公報

しかしながら、従来技術では、予測の精度に悪い影響を与えるデータおよび良い影響を与えるデータを効率的に抽出できない場合があった。

実施形態の情報処理装置は、取得部と、学習部と、出力制御部と、を備える。取得部は、位置に応じて値が連続的に変化する時系列データを含む入力データを入力して推論結果を出力するモデルに入力する入力データ、および、モデルによる推論の正解を表す正解データを取得する。学習部は、入力データから選択された第１入力データと、正解データと、を用いてモデルを学習する。出力制御部は、学習されたモデルによる推論結果に対する第１入力データの寄与度を出力する。学習部は、入力データのうち出力された寄与度に応じて指定された第２入力データに基づく第３入力データと、正解データと、を用いてモデルをさらに学習する。

図１は、実施形態にかかる情報処理装置の構成の一例を示すブロック図である。 図２は、事象データのデータ構造の一例を示す図である。 図３は、気象データに含まれうる気象を表す項目の例を示す図である。 図４は、地理データのデータ構造の一例を示す図である。 図５は、事象データのデータ構造の一例を示す図である。 図６は、追加データのデータ構造の一例を示す図である。 図７は、実施形態における学習処理の一例を示すフローチャートである。 図８は、実施形態における推論処理の一例を示すフローチャートである。 図９は、説明変数抽出処理の一例を示すフローチャートである。 図１０は、度数分布Ｒ１の作成方法の一例を説明するための図である。 図１１は、度数分布Ｒ１の作成方法の一例を説明するための図である。 図１２は、度数分布Ｒ１の作成方法の一例を説明するための図である。 図１３は、度数分布Ｒ２の例を示す図である。 図１４は、説明変数抽出処理の他の例を示すフローチャートである。 図１５は、推論結果を表示する表示画面の例を示す図である。 図１６は、推論結果を表示する表示画面の例を示す図である。 図１７は、推論結果を表示する表示画面の例を示す図である。 図１８は、推論結果を表示する表示画面の例を示す図である。 図１９は、推論結果を表示する表示画面の例を示す図である。 図２０は、実施形態にかかる情報処理装置のハードウェア構成例を示す説明図である。

以下に添付図面を参照して、この発明にかかる情報処理装置の好適な実施形態を詳細に説明する。

以下では、気象データ（予測した気象データを含む）を含む入力データから、ある事象の発生を推論（予測）する情報処理システムを例に説明する。入力データは気象データに限られるものではない。位置（地図上の位置など）に応じて値が連続的に変化する他の時系列データを入力データとして用いてもよい。推論対象はどのような対象であってもよい。例えば、推論対象は、事象が発生するか否かであってもよいし、事象の発生量であってもよい。

上記のような情報処理システムは、１以上の説明変数から目的変数を推論（予測）するシステムであると解釈することができる。電力需要予測の場合は、気象データが説明変数に相当し、電力需要が目的変数に相当する。

目的変数となる事象のデータ（事象データ）と、説明変数となる気象データとの関連性が高いほど機械学習モデルによる予測精度は高くなる。一方、時系列的な地域傾向を勘案した場合に、予測の対象となる地域と遠い地域の気象データなどは、予測精度に悪い影響を与える場合がある。従来は、どのようなデータが予測に影響を与えるかについての知見は、分析者の経験則として蓄積されており、需要予測作業が属人化している場合があった。

本実施形態では、多数の説明変数（気象データなど）のうち、予測の精度に影響を与える説明変数を可視化し、定量的な指標に基づいて所望の説明変数を除外可能とするとともに、分析者の経験則などに基づく、予測精度によい影響を与える説明変数を指定可能とする。

例えば日本全域を対象として電力需要を予測するような場合、データが非常に多量になることから、分析者などが人手により分析することは困難となるし、計算機を利用した場合でも計算コストが非常に高くなる。本実施形態によれば、機械学習モデルによる推論（予測）の精度に影響がある説明変数の種類および属性を可視化し、従来の知見も考慮して予測精度によい影響を与える説明変数を指定（選択）可能となる。このため、計算コストを低減することができる。

図１は、本実施形態にかかる情報処理装置１００の構成の一例を示すブロック図である。図１に示すように、情報処理装置１００は、取得部１０１と、符号化部１０２と、抽出部１０３と、学習部１０４と、出力制御部１０５と、推論部１１１と、表示部１３１と、事象データ記憶部１２１と、気象データ記憶部１２２と、追加データ記憶部１２３と、地理データ記憶部１２４と、特徴量記憶部１２５と、モデル記憶部１２６と、抽出情報記憶部１２７と、を備えている。

取得部１０１は、情報処理装置１００で実行される各種処理で用いられる各種データを取得する。例えば取得部１０１は、推論に用いられる機械学習モデルに入力する入力データ、正解データ、および、地理データなどを取得する。

取得部１０１による各データの取得方法は、どのような方法であってもよい。例えば、外部装置からネットワークを介して取得する方法、および、記憶媒体に記憶されたデータを読み込む方法などを適用できる。ネットワークは、ＬＡＮ（ローカルエリアネットワーク）、および、インターネットなどであるが、その他のどのようなネットワークであってもよい。またネットワークは、有線ネットワークおよび無線ネットワークのいずれであってもよい。取得するデータに応じて取得方法を変更してもよい。例えば取得部１０１は、サーバ装置から事象データを取得し、気象データを提供する気象予測システムから気象データを取得し、ＷＥＢスクレイピングシステムから追加データ（後述）を取得するように構成してもよい。

以下では、位置に応じて値が連続的に変化する時系列データとして気象データを入力データが含む場合を例に説明する。入力データは、気象データなどの他に、推論に影響しうるどのようなデータを含んでもよい。気象データ以外に用いられるデータを以下では追加データという場合がある。入力データ（気象データ、追加データ）は、説明変数に相当する。

正解データは、機械学習モデルの学習時に用いられるデータであり、機械学習モデルによる推論の正解を表すデータである。例えば、予測の対象となる事象が過去に発生した時刻および位置などを表すデータが、正解データとなりうる。以下では、正解データを事象データという場合がある。

地理データは、事象が発生しうる地域の位置などを表すデータである。気象データ、事象データ、および、地理データのデータ構造の例は後述する。

符号化部１０２は、入力されたデータ（入力データ、正解データなど）を符号化（エンコード）し、符号化の結果である特徴量を出力する。符号化部１０２は、入力されたデータを後段の処理で使用しやすい形式に変換する処理を行うと解釈することができる。例えば時間的に疎なデータを用いる場合、時間的に連続な事象を予測できるように、このデータを時間的に連続なデータに変換する必要がある。符号化部１０２は、例えば以下のような手法により、データを符号化する。
・ワンホット符号化（One-hot Encoding）：任意の事象のカテゴリ値を機械学習モデルが解釈しやすい形式のデータ（特徴量）で表す。
・カウント符号化（Count Encoding）：任意の期間内におけるカテゴリの出現回数を特徴量とする。
・コンソリデーション符号化（Consolidation Encoding）：データ内に存在する表記揺れ等の事項を解消しながら特徴量に符号化する。
・インタラクション（Interaction）：特徴量同士の関係を新たな特徴量とする。
・トレンドライン（Trend lines）データセットを任意の時系列の傾向データに加工し、傾向値を特徴量として表す。

符号化の手法は上記に限られるものではない。符号化部１０２は、上記の複数の手法を組み合わせて用いてもよい。

抽出部１０３は、複数の説明変数（特徴量に符号化された入力データ）から、機械学習モデルの学習処理、および、機械学習モデルによる推論処理で用いる説明変数を抽出する。例えば抽出部１０３は、複数の説明変数のうち、目的変数（事象データ）に対してより相関がある説明変数を抽出する。

学習部１０４は、機械学習モデルを学習する。機械学習モデルは、入力データ（気象データなど）を入力して推論結果（事象の発生など）を出力するモデルである。機械学習モデルは、どのような形式のモデルであってもよいが、例えば、ランダムフォレスト、二分木、および、ニューラルネットワークなどのモデルを適用できる。学習部１０４は、適用する機械学習モデルで用いられるどのような学習方法により学習処理を実行してもよい。例えば学習部１０４は、複数の説明変数から選択（抽出）された説明変数（第１入力データ）と、正解データに相当する事象データと、を用いて機械学習モデルを学習する。

推論部１１１は、機械学習モデルによる推論を実行する。例えば推論部１１１は、学習部１０４により学習済みの機械学習モデルに、新たに入力データを入力して推論を実行する。推論に用いる入力データは、例えば、複数の説明変数（特徴量に符号化された入力データ）のうち、学習時に選択（抽出）された説明変数と同じ説明変数である。

出力制御部１０５は、表示部１３１などの出力装置に対するデータの出力を制御する。例えば出力制御部１０５は、学習部１０４により学習された機械学習モデルによる推論結果を表示部１３１に表示させる。本実施形態では、出力制御部１０５は、学習部１０４による学習時に、学習された機械学習モデルによる推論に寄与する説明変数を可視化する処理を制御する。例えば出力制御部１０５は、学習された機械学習モデルによる推論結果に対する各説明変数の寄与度を表示部１３１に表示する。

寄与度の出力方法は、使用する機械学習モデルに応じて様々な方法を適用しうる。機械学習モデルとして決定木を用いる場合は、出力制御部１０５は、dtreevizと呼ばれる可視化方法を適用できる。dtreevizは、決定木の内部における特徴量の可視化が可能なＯＳＳ（Open Source Software）ライブラリである。寄与度を可視化することにより、ある説明変数が機械学習モデル内でどのような振る舞いをして予測結果に寄与しているかを確認し、特異な影響を与えている説明変数を明らかにすることが可能となる。

ユーザは、表示された寄与度を参照して、学習に用いる説明変数をさらに指定（選択）することができる。抽出部１０３は、このようにして指定された説明変数（第２入力データ）、および、指定された説明変数に基づく他の説明変数を、さらに抽出する。また、学習部１０４は、抽出された説明変数と事象データとを用いて機械学習モデルを学習する処理を繰り返す。このような処理により、予測の精度に悪い影響を与えるデータおよび良い影響を与えるデータを効率的に抽出可能となる。

表示部１３１は、データを表示する液晶ディスプレイなどの表示装置である。表示部１３１は、出力制御部１０５の制御に従い、例えば、機械学習モデルによる推論結果を表示する。

事象データ記憶部１２１は、例えば取得部１０１により取得された事象データを記憶する。図２は、事象データのデータ構造の一例を示す図である。図２に示すように、事象データは、ＩＤと、発生日時と、緯度と、経度と、を含む。ＩＤは、事象データを識別する情報である。発生日時は、事象が発生した日時（年月日、時刻など）を表す。緯度および経度は、事象が発生した位置を特定するための情報である。事象データは、緯度および経度の代わりに、事象が発生した位置を特定可能な他の情報を含んでもよい。例えば、事象が発生した地域の名称（都市名など）、および、事象が発生した施設の名称などが、事象が発生した位置を特定可能な情報の他の例である。

図２は、ある事象が発生したか否かを表す事象データの例である。ある事象の発生量（例えば電力需要を予測する場合、発生した電力需要の量）を含む事象データが用いられてもよい。

図１に戻り、気象データ記憶部１２２は、例えば取得部１０１により取得された気象データを記憶する。気象データは、例えば、地域ごとおよび日時ごとの、気温、風速、および、降水量などの気象に関する各項目の値を含む。気象データは、気象庁などにより提供されるデータを用いてもよいし、提供されたデータから予測された気象データを用いてもよい。予測された気象データを用いれば、気象データが疎な地域で精密な予測ができないなどの問題を回避し、より広範囲の地域でより高精度に予測を実行することが可能となる。

図３は、気象データに含まれうる気象に関する項目の例を示す図である。図３に示すように、気象データは、気温、風速、および、降水量などの一般的に知られる項目のみでなく、他の多数の項目を含みうる。本実施形態によれば、これらの項目のうち、機械学習モデルによる推論によい影響を与える項目を効率的に見つけることが可能となる。

図１に戻り、追加データ記憶部１２３は、例えば取得部１０１により取得された追加データを記憶する。上記のように、追加データは、気象データ以外に入力データとして追加されうるデータである。追加データは必須ではない。追加データはどのようなデータおよびデータ構造であってもよい。例えば、大型連休（ゴールデンウィーク、シルバーウィーク、お盆休暇、年末年始休暇など）などのイベントの有無を追加データとすることができる。

地理データ記憶部１２４は、例えば取得部１０１により取得された地理データを記憶する。図４は、地理データのデータ構造の一例を示す図である。図４の地理データは、予測対象とする地域ごとの緯度および経度などの位置情報を定めたデータである。図４に示すように、地理データは、都道府県コードと、ＩＤと、緯度と、経度と、地域名と、を含む。都道府県コードは、日本の都道府県を識別する情報である。ＩＤは、地域を識別する情報である。地域名は、地域の名称を表す。

地理データは、例えば、出力制御部１０５が推論結果を地図上に表示するとき、および、符号化部１０２がデータを地域ごとのデータに符号化するときに参照される。図５は、特徴量に符号化した後の事象データのデータ構造の一例を示す図である。図５は、例えば、図２に示すような緯度および経度ごとに表された事象の発生を示す事象データを、地域ごとの事象の発生回数を表すように符号化した特徴量の例を示す。図５に示すように、符号化した事象データ（特徴量）は、日付ごと、および、地域ごとの事象の発生回数を含む。

図１に戻り、特徴量記憶部１２５は、例えば符号化部１０２により符号化された特徴量を記憶する。例えば特徴量記憶部１２５は、図５で説明した、符号化された事象データ、および、図６に示すような符号化された追加データを記憶する。図６は、特徴量に符号化した後の追加データのデータ構造の一例を示す図である。

図６は、例えば、休暇（イベントの一例）の期間（日付の範囲）を示す追加データが取得された場合に、この追加データを、地域ごとおよび日付ごとのイベントの発生有無（１：発生する、０：発生しない）を示す形式に符号化した例を示す。

図１に戻り、モデル記憶部１２６は、機械学習モデルを表す情報を記憶する。

抽出情報記憶部１２７は、複数の説明変数から推論に用いる説明変数を抽出するための条件を示す抽出情報を記憶する。例えば抽出情報記憶部１２７は、より高精度に予測が可能な機械学習モデルを学習したときに抽出された説明変数を特定する情報を、抽出情報として記憶する。

上記各部（取得部１０１、符号化部１０２、抽出部１０３、学習部１０４、出力制御部１０５、および、推論部１１１）は、例えば、１または複数のプロセッサにより実現される。例えば上記各部は、ＣＰＵ（Central Processing Unit）などのプロセッサにプログラムを実行させること、すなわちソフトウェアにより実現してもよい。上記各部は、専用のＩＣ（Integrated Circuit）などのプロセッサ、すなわちハードウェアにより実現してもよい。上記各部は、ソフトウェアおよびハードウェアを併用して実現してもよい。複数のプロセッサを用いる場合、各プロセッサは、各部のうち１つを実現してもよいし、各部のうち２以上を実現してもよい。

上記各記憶部（事象データ記憶部１２１、気象データ記憶部１２２、追加データ記憶部１２３、地理データ記憶部１２４、特徴量記憶部１２５、モデル記憶部１２６、抽出情報記憶部１２７）は、フラッシュメモリ、メモリカード、ＲＡＭ（Random Access Memory）、ＨＤＤ（Hard Disk Drive）、および、光ディスクなどの一般的に利用されているあらゆる記憶媒体により構成することができる。各記憶部は、物理的に異なる記憶媒体としてもよいし、物理的に同一の記憶媒体の異なる記憶領域として実現してもよい。さらに記憶部のそれぞれは、物理的に異なる複数の記憶媒体により実現してもよい。各記憶部のそれぞれは、物理的に異なる複数の記憶媒体により実現してもよい。

なお、図１は、学習処理を実行する機能と推論処理を実行する機能とを１つの情報処理装置１００内に備える例を示しているが、２つの機能をそれぞれ異なる装置で実行するように構成してもよい。情報処理装置１００は、クラウド環境上で動作する装置であってもよい。また、図１に示す各部のうち一部を、情報処理装置１００の外部の装置により実行するように構成してもよい。例えば、表示部１３１をパーソナルコンピュータ、スマートフォン、および、タブレットなどの端末装置に備え、出力制御部１０５は、端末装置に対して情報を出力するように構成してもよい。外部の装置は、クラウド環境上で動作する装置であってもよい。

次に、このように構成された本実施形態にかかる情報処理装置１００による機械学習モデルの学習処理について説明する。図７は、本実施形態における学習処理の一例を示すフローチャートである。

取得部１０１は、事象データ、追加データ、気象データ、および、地理データを取得する（ステップＳ１０１）。取得部１０１は、不要な場合は追加データを取得しなくてもよい。符号化部１０２は、取得された各データを用いて符号化処理を実行する（ステップＳ１０２）。例えば符号化部１０２は、少なくとも正解データ（事象データ）、および、入力データ（気象データ、追加データ）をそれぞれ特徴量に符号化する。特徴量に符号化された入力データが、説明変数として用いられる。特徴量に符号化された事象データが、目的変数として用いられる。

次に説明変数抽出処理が実行される（ステップＳ１０３）。説明変数抽出処理は、取得された複数の説明変数（特徴量に符号化された入力データ）から、機械学習モデルの推論の精度向上に貢献する説明変数を抽出し、抽出した説明変数により機械学習モデルを学習する処理である。説明変数抽出処理の詳細は後述する。

抽出部１０３は、説明変数抽出処理の中で、より高精度に予測が可能な機械学習モデルを学習したときに抽出された説明変数を特定する抽出情報を、抽出情報記憶部１２７に記憶する。また学習部１０４は、説明変数抽出処理により学習された学習済みの機械学習モデルを表す情報をモデル記憶部１２６に記憶する（ステップＳ１０４）。

出力制御部１０５は、学習済みの機械学習モデルに関する情報を例えば表示部１３１に表示する（ステップＳ１０５）。例えば出力制御部１０５は、抽出情報を参照し、機械学習モデルの学習に用いられた説明変数を示す情報を表示する。出力制御部１０５は、機械学習モデルのパラメータを示す情報を表示してもよい。

次に、本実施形態にかかる情報処理装置１００による機械学習モデルを用いた推論処理について説明する。図８は、本実施形態における推論処理の一例を示すフローチャートである。

ステップＳ２０１およびステップＳ２０２は、図７のステップＳ１０１およびステップＳ１０２と同様であるため説明を省略する。

取得部１０１は、抽出情報記憶部１２７から抽出情報を読み出し、モデル記憶部１２６から学習済みの機械学習モデルの情報を読み出す（ステップＳ２０３）。抽出部１０３は、読み出された抽出情報を用いて、符号化された複数の特徴量（説明変数）から、推論に用いる説明変数を抽出（選択）する（ステップＳ２０４）。

推論部１１１は、読み出された機械学習モデルに、符号化された入力データ（気象データ、追加データ）を入力することにより推論処理を実行する（ステップＳ２０５）。出力制御部１０５は、推論処理の推論結果を例えば表示部１３１に表示する（ステップＳ２０６）。推論結果の表示方法の具体例は後述する。

次に、ステップＳ１０３の説明変数抽出処理の詳細について説明する。図９は、説明変数抽出処理の一例を示すフローチャートである。

なお、説明変数抽出処理は、予測すべき事象が気象データと相関がある場合にのみ実行されてもよい。例えば抽出部１０３は、事象データと気象データとの間の相関係数を算出し、算出した相関係数の絶対値が閾値（例えば０．２）以上である場合に、両者に相関があると判定する。抽出部１０３は、任意の単位時間を設定し、この単位時間内での各データの移動平均を用いて、相関係数を算出する。この相関係数が閾値以上と成り得る単位時間が、予測が有効となる時間粒度の目安となる。例えば、以降の処理で相関係数を算出するときにも、この単位時間を時間粒度として用いることができる。

説明変数抽出処理では、まず、抽出部１０３は、複数の説明変数（特徴量に符号化された入力データ）から、学習に用いる説明変数を選択する（ステップＳ３０１）。例えば抽出部１０３は、複数の説明変数から一様乱数などを用いてランダムに、適当な個数の説明変数を選択する。

次に学習部１０４は、選択された説明変数から、入力された事象データ（目的変数）を推論するための機械学習モデルを学習する（ステップＳ３０２）。推論部１１１は、学習された機械学習モデルを用いた推論処理を実行する（ステップＳ３０３）。推論処理では、学習処理で用いられた入力データと異なる入力データが用いられてもよい。

また、選択された説明変数を用いた分析者の人手による予測が並行して実行されてもよい。分析者による予測結果は、後述するように、学習に用いる説明変数を追加するときに参考とすることができる。

出力制御部１０５は、例えばdtreevizなどの可視化方法を用いて、機械学習モデルによる推論結果に対して寄与度の高い説明変数を表示部１３１に表示する（ステップＳ３０４）。

ユーザは、表示された寄与度を参照して、次の学習に用いる説明変数を指定することができる。ユーザは、分析者による予測結果および分析者が予測の根拠とした説明変数の情報などを参考にして、次の学習に用いる説明変数を指定してもよい。ユーザが説明変数を指定する代わりに、例えば寄与度が高い順に一定数（例えば上位一割など）の説明変数を抽出部１０３が抽出してもよい。

指定（抽出）された説明変数のみでなく、指定された説明変数と相関する他の説明変数をさらに次の学習で用いるように構成してもよい。例えば抽出部１０３は、指定された説明変数と相関する他の説明変数を抽出する（ステップＳ３０５）。抽出部１０３は、例えば両者の相関係数の絶対値と閾値とを比較し、相関係数の絶対値が閾値を超える場合に、両者が相関すると判定する。このようにして指定および抽出された説明変数を、以下で使用する説明変数群とする。

抽出部１０３は、さらに、説明変数群に含まれる各説明変数と類似する説明変数を、気象データに対する関係の類似性によって抽出する。

抽出部１０３は、まず、説明変数群に含まれる各説明変数と、気象データとの関係を表す関係情報（第１関係情報）を作成する。関係情報は、例えば、説明変数と気象データとの関係を表す指標値が指定期間に含まれる複数の期間それぞれで出現する回数を表す度数分布Ｒ１である（ステップＳ３０６）。

図１０から図１２は、度数分布Ｒ１の作成方法の一例を説明するための図である。図１０は、ある１つの説明変数と気象データとの相関係数（関係を表す指標値の一例）の、指定期間内での変化の様子を示している。図１０では、横軸が時間を表し、縦軸が相関係数を表す。図１１は、この指定期間内での相関係数の出現回数を表す度数分布の例を示している。図１２は、１０個の説明変数に対する度数分布を重ねて表した例である。図１２では、１つの説明変数に対する度数分布が１つの折れ線で表されている。

なお図１２は、説明変数群に１０個の説明変数が含まれることに相当するが、説明変数群に含まれる説明変数の個数は１０個に限られるものではない。一方、説明変数の個数が多い場合（例えば個数が閾値を超える場合）は、抽出部１０３は、相互に類似する度数分布を１つの分布に統合するクラスタリングを行い、適切な個数となるように調整してもよい。クラスタリングを行った場合、抽出部１０３は、それぞれのクラスタの代表ベクトルを度数分布Ｒ１とする。代表ベクトルは、例えば、各ベクトルの要素の平均値を要素とするベクトルである。

図９に戻り、抽出部１０３は、すべての説明変数群と、気象データとの関係を表す関係情報（第２関係情報）を作成する。関係情報は、上記と同様に、例えば、説明変数と気象データとの関係を表す指標値（例えば相関係数）が指定期間に含まれる複数の期間それぞれで出現する回数を表す度数分布Ｒ２である（ステップＳ３０７）。

図１３は、度数分布Ｒ２の例を示す図である。図１３は、度数分布Ｒ１と同様の手法により、すべての説明変数に対して作成された度数分布Ｒ２の例を示す。

図９に戻り、抽出部１０３は、度数分布Ｒ１と一致または類似する度数分布Ｒ２に対応する説明変数を、次の学習に用いる説明変数（第３入力データ）として特定（抽出）する。例えば抽出部１０３は、度数分布Ｒ１に近似する度数分布Ｒ２に対応する説明変数を特定する（ステップＳ３０８）。抽出部１０３は、例えば、ｋ近傍法（ＫＮＮ：k-nearest neighbor algorithm）を用いて、度数分布Ｒ１に最も距離（ベクトル距離）が近い度数分布Ｒ２を求め、求めた度数分布Ｒ２に対応する説明変数を特定する。

このようにして特定された説明変数を用いて、さらに機械学習モデルが学習される。すなわち、学習部１０４は、特定された説明変数から、入力された事象データ（目的変数）を推論するための機械学習モデルを学習する（ステップＳ３０９）。推論部１１１は、学習された機械学習モデルを用いた推論処理を実行する（ステップＳ３１０）。

学習部１０４は、推論精度が向上したか否かを判定する（ステップＳ３１１）。例えば学習部１０４は、分析者による予測結果の精度よりステップＳ３１０で機械学習モデルを用いて推論した場合の精度の方が大きいか否かを判定する。学習部１０４は、機械学習モデルによる前回の推論時（例えばステップＳ３０３、または、ステップＳ３１０を繰り返し実行する場合の直前に実行したステップＳ３０９）の推論結果よりも精度が向上したかを判定してもよい。

推論精度が向上した場合（ステップＳ３１１：Ｙｅｓ）、説明変数抽出処理を終了する。推論精度が向上していない場合（ステップＳ３１１：Ｎｏ）、学習部１０４は、ステップＳ３０６からステップＳ３１１までの処理の繰り返しの回数（処理回数）が上限値に達したか否かを判定する（ステップＳ３１２）。処理回数が上限値に達したか判定する代わりに、ユーザにより処理の終了が指定されたか否かを判定するように構成してもよい。上限値に達していない場合（ステップＳ３１２：Ｎｏ）、抽出部１０３は、さらに説明変数を追加する（ステップＳ３１３）。

例えばユーザは、現在使用されている説明変数に含まれない説明変数を分析者が予測の根拠としているような場合には、その説明変数を追加する説明変数として指定する。抽出部１０３は、指定された説明変数を追加する。その後、追加された説明変数を含む説明変数群に対して、ステップＳ３０６以降の処理が繰り返し実行される。

上限値に達したと判定された場合（ステップＳ３１２：Ｙｅｓ）、抽出部１０３は、さらに別の手法により説明変数を選択する。例えば抽出部１０３は、Backward Eliminationと呼ばれる手法により説明変数を選択する（ステップＳ３１４）。学習部１０４は、選択された説明変数から、入力された事象データ（目的変数）を推論するための機械学習モデルを学習する（ステップＳ３１５）。

Backward Eliminationは、まず、すべての特徴量（説明変数）を含んだモデルを作成し、重要でないと判断される特徴量を逐次削除する手法である。Backward Eliminationでは、気象データおよびイベント情報（追加データの一例）などの説明変数と、目的変数との関連性を広域的に可視化することで、削除すべき説明変数が明らかされる。説明変数の削除方法としては、影響度（重要度）などに基づきユーザが指定した説明変数を削除する方法、および、影響度と閾値との比較結果などに基づき抽出部１０３が削除する方法（以下で説明するBoruta）などを適用できる。

Backward Eliminationの一例であるBorutaは、多数の特徴量の中から有効な特徴量を取り出すために、偽の特徴量を作成し、重要度を比較する手法である。Borutaでは、例えば、既存の特徴量（Original Data）をコピーし、各列のサンプルをシャッフルした偽の特徴量（Shadow Feature）を作り、既存の特徴量と偽の特徴量とを結合してランダムフォレストを訓練する。偽の特徴量の重要度のうち最も大きな重要度から、寄与しない既存の特徴量の重要度の目安を得ることができる。すなわち、偽の特徴量の重要度のうち最も大きな重要度より重要度が小さい既存の特徴量は、有効でないと特徴量であると判断される。

ランダムフォレストは、その性質上、訓練するたびに特徴量の重要度が変動する。このため、多数のサンプルを得た上で、統計的に検定を行う必要があり、ビッグデータに適用するには計算コストが増大する。

図９では、分析者による予測結果に対する精度を比較する例を説明した。分析者が存在しない場合などを想定し、分析者による予測結果を用いずに説明変数を抽出してもよい。図１４は、このように構成される場合の説明変数抽出処理の一例を示すフローチャートである。

ステップＳ４０１～ステップＳ４１０は、図９のステップＳ３０１～ステップＳ３１０までと同様であるため説明を省略する。図１４の例では、例えばステップＳ４０３の処理と並行して分析者による予測を実行する必要はない。

ユーザは、ステップＳ４０４で表示された寄与度を参照して、次の学習に用いる説明変数を指定することができる。なお図１４の例では、ユーザは、分析者による予測結果を参考にして説明変数を指定することはできない。

ステップＳ４１１で、学習部１０４は、推論精度が向上したか否かを判定する（ステップＳ４１１）。例えば学習部１０４は、ステップＳ４０３での推論結果の精度よりステップＳ４１０で機械学習モデルを用いて推論した場合の精度の方が大きいか否かを判定する。

推論精度が向上した場合（ステップＳ４１１：Ｙｅｓ）、説明変数抽出処理を終了する。推論精度が向上していない場合（ステップＳ４１１：Ｎｏ）、抽出部１０３は、別の手法により説明変数を選択する。例えば抽出部１０３は、Backward Eliminationにより説明変数を選択する（ステップＳ４１２）。学習部１０４は、選択された説明変数から、入力された事象データ（目的変数）を推論するための機械学習モデルを学習する（ステップＳ４１３）。

ステップＳ３０６およびステップＳ３０７で度数分布を作成するときに算出される、説明変数と気象データとの関係を表す指標値は、上記のように、例えば説明変数と気象データとの相関係数である。指標値は相関係数に限られるものではなく、以下のような指標値を用いてもよい。また、複数の指標値を用いて説明変数と気象データとの関係性を評価してもよい。採用する指標の数および説明変数の個数が増加すると関係性の評価精度は向上するが、計算時間が増加する。従って、これらを考慮して適切な個数の指標を用いることが望ましい。
・誤差（二乗平均平方根誤差（RMSE）、平均絶対誤差（MAE）など）：
変数同士のユークリッド距離を評価し、誤差の大きさにより関係性を評価する。
・データ整形：
変数の変動に応じた移動平均線または包絡線を描き、それら同士の関係性を相関係数、誤差、および、その他の手法で評価する。
・位相変化度数：
ある時間幅で、需要量が増加から減少に転じた極値の個数、および、減少から増加に転じた極値の個数で関係性を評価する。
・位相変化インターバル：
ある時間幅で、需要量が増加から減少に転じた極値の時刻、および、減少から増加に転じた極値の時刻のそれぞれの時間的間隔分布で関係性を評価する。
・ヒストグラム密度推定（Peristimulus Time Histogram）：
ある時間幅でのイベント発生頻度を回数で表し、ある期間内に発生したイベントの回数に着目して関係性を評価する。例えば、単位期間の間にスパイクが何回発生したかで度数分布が作成される。
・発火時間間隔（interspike interval）：
全期間での突発的な変動の発生頻度で度数分布（例えばスパイクの間隔の長さの度数分布）を作成し、前にスパイクが発生してから次のスパイクが発生するまでの期間に着目し関係性を評価する。

次に、ステップＳ２０６などで推論結果を表示する表示方法の例について説明する。図１５～図１９は、推論結果を表示する表示画面の例である。

図１５に示すように、表示画面は、選択欄１５０１と、地図上に表示されるマーク１５１１、１５１２、１５１３と、を含む。選択欄１５０１は、推論結果に寄与した説明変数を選択するための欄である。図１５の選択欄１５０１では、気温、風速、および、降雨・降雪が説明変数として選択可能である。これらの説明変数は一例であり、他の説明変数を追加可能としてもよい。例えば別の指定画面で、選択欄１５０１に表示する説明変数を指定できるように構成してもよい。

マーク１５１１は、発生すると予測された事象の発生位置を示すための記号である。マーク１５１１と同じ形状のマークが表示される位置は、事象がそれぞれ１件発生すると予測された位置であることを意味する。

マーク１５１２およびマーク１５１３は、円形の記号の内部に数値が記載されている。このような形状のマークは、マークが表示される位置を含む範囲で、数値に相当する件数の事象が発生すると予測されたことを意味する。すなわち、このような形状のマークは、複数のマーク１５１１を集約したマークに相当する。出力制御部１０５は、発生件数に応じてマークの表示態様（色など）を変更してもよい。例えば出力制御部１０５は、発生件数が１桁、２桁、３桁以上の場合にそれぞれマークの色を緑、黄、赤となるように表示してもよい。

図１６は、気温のみが説明変数として選択された場合に表示される表示画面の例を示す。選択欄１６０１に示すように、この例では、気温（気温由来）のみが説明変数として選択されている。この場合、選択された説明変数（気温）によって予測された事象についての予測結果が、地図上に表示される。図１６の例では、マーク１５１１、１５１２は表示され、マーク１５１３は気温由来でないため表示されなくなる。

表示画面は、ユーザの指定などに応じて拡大または縮小表示可能としてもよい。図１７は、拡大表示された表示画面の例を示す。図１７に示すように、マーク１７０１が選択された場合に、出力制御部１０５は、そのマーク１７０１に対応する事象に関する詳細情報を表示してもよい。

上記表示画面は一例であり、推論結果の表示方法はこれらに限られるものではない。図１５および図１６では、発生件数を数値で表示したが、発生件数に応じてマークの表示態様（大きさなど）を変更して表示する表示画面を用いてもよい。図１８および図１９は、このように構成される表示画面の一例を示す図である。

図１８の選択欄１８０１では、３つの説明変数のすべてが選択されている。このような場合は、３つの説明変数によって予測された事象の発生位置に、発生件数に応じた半径となる円形のマークを表示する表示画面が表示される。図１９の選択欄１９０１では、１つの説明変数（気温由来）が選択されている。このような場合は、選択された１つの説明変数によって予測された事象の発生位置に、発生件数に応じた半径となる円形のマークを表示する表示画面が表示される。

既存の手法による予測結果、および、分析者による予測結果などの比較対象のデータがある場合は、出力制御部１０５は、比較対象のデータと、本実施形態による予測結果とを対比して表示する表示画面を表示してもよい。

ユーザは、以上のような表示画面を用いることにより、どのような説明変数が予測に寄与するかを把握することが可能となる。

（適用例）
本実施形態の情報処理装置は、以下のようなシステムに適用しうる。
（適用例１）道路上における渋滞を予測するシステム
交通における渋滞が起こる要因は様々であるが、その１つに交通需要という要因がある。交通需要とは、各時間帯に道路を通過する車両台数であり、道路を通過可能な交通量（交通容量）に制限が無かった場合の交通量を指す。例えば、１分間あたり５０台の車両が通過する交通容量を想定して設計された道路区間に対して、それ以上の車両が殺到する場合、多くの場合はボトルネックとなり渋滞が発生する。

交通需要量は、気象データと強く関連することが統計的に判明している。従って、上記実施形態により気象データから予測することが可能である。また、道路の新規開設および地域ごとのイベント等による交通需要の変化に対して、従来の交通シミュレーションに基づいた数値補正を行うことで、日時ごとおよび道路区間ごとの交通需要の予測（「ｘ月ｙ日ｚ時、道路区間ｊの交通需要は○台／分です」など）が可能となる。

交通需要の高い区間および低い区間を予測することにより、最適な所要ルートの提示、および、交通需要が高い要因および低い要因の分析が可能となる。従って、道路事業者の渋滞緩和施策の決定、および、ドライバーの行動の支援などが可能となる。

（適用例２）保険事業者コールセンターにおける入電予測システム
例えば自動車保険を取り扱う事業者のコールセンター業務では、オペレータの人員配置を最適化することが求められている。時間別および地域別に発生しうる入電数の需要を予測することにより、遊休人材の抑制によるコストダウン、および、雇用計画の精微化による経営計画の精度上昇を実現できる。また地域ごとに発生しうる入電の種別を予測することによって、その事例に対応可能なアフターサービス要員を事前に緻密に配置することが可能となる。この結果、入電発生からサービスを行うまでの時間を短縮し、顧客満足度を高めることができる。

（適用例３）保険事業者における予測情報提供システム
時間別および地域別に発生しうる入電の種別を予測することにより、その時間に該当地域を走行する自動車保険の利用者に対して「エンジン不停止の発生にご注意ください」といった注意喚起を行うことができる。また、発生確率が高いと予測される事象（パンク、オーバーヒート、衝突など）について、例えば「走行中、道路上の異物にご注意ください」というように、エンドユーザに回避するために行うべき行動を情報提供することが可能となる。

（適用例４）保険事業者において、継続的にモデルを改善する入電予測システム
事故および故障が多い地域の天候情報、および、その地域でよく利用される車種を入電情報から蓄積し、また、その地域および時間帯におけるエンドユーザの自動車の利用目的などをヒアリングすることで得たデータを新たに追加データとして加えることができる。このようにして追加した追加データを精度向上に活用し、継続的に機械学習モデルの予測精度を改善することができる。

以上説明したとおり、上記実施形態によれば、予測の精度に悪い影響を与えるデータおよび良い影響を与えるデータをより効率的に抽出することが可能となる。この結果、より高精度に事象を予測可能な予測システムが実現可能となる。

次に、実施形態にかかる情報処理装置のハードウェア構成について図２０を用いて説明する。図２０は、実施形態にかかる情報処理装置のハードウェア構成例を示す説明図である。

実施形態にかかる情報処理装置は、ＣＰＵ（Central Processing Unit）５１などの制御装置と、ＲＯＭ（Read Only Memory）５２やＲＡＭ（Random Access Memory）５３などの記憶装置と、ネットワークに接続して通信を行う通信Ｉ／Ｆ５４と、各部を接続するバス６１を備えている。

実施形態にかかる情報処理装置で実行されるプログラムは、ＲＯＭ５２等に予め組み込まれて提供される。

実施形態にかかる情報処理装置で実行されるプログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ－ＲＯＭ（Compact Disk Read Only Memory）、フレキシブルディスク（ＦＤ）、ＣＤ－Ｒ（Compact Disk Recordable）、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な記録媒体に記録してコンピュータプログラムプロダクトとして提供されるように構成してもよい。

さらに、実施形態にかかる情報処理装置で実行されるプログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成してもよい。また、実施形態にかかる情報処理装置で実行されるプログラムをインターネット等のネットワーク経由で提供または配布するように構成してもよい。

実施形態にかかる情報処理装置で実行されるプログラムは、コンピュータを上述した情報処理装置の各部として機能させうる。このコンピュータは、ＣＰＵ５１がコンピュータ読取可能な記憶媒体からプログラムを主記憶装置上に読み出して実行することができる。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１００ 情報処理装置
１０１ 取得部
１０２ 符号化部
１０３ 抽出部
１０４ 学習部
１０５ 出力制御部
１１１ 推論部
１２１ 事象データ記憶部
１２２ 気象データ記憶部
１２３ 追加データ記憶部
１２４ 地理データ記憶部
１２５ 特徴量記憶部
１２６ モデル記憶部
１２７ 抽出情報記憶部
１３１ 表示部

Claims (8)

1. 位置に応じて値が連続的に変化する時系列データを含む入力データを入力して推論結果を出力するモデルに入力する前記入力データ、および、前記モデルによる推論の正解を表す正解データを取得する取得部と、
   前記入力データから選択された第１入力データと、前記正解データと、を用いて前記モデルを学習する学習部と、
   学習された前記モデルによる推論結果に対する前記第１入力データの寄与度を出力する出力制御部と、を備え、
   前記学習部は、前記入力データのうち出力された前記寄与度に応じて指定された第２入力データに基づく第３入力データと、前記正解データと、を用いて前記モデルをさらに学習し、
   前記第２入力データと前記時系列データとの関係を表す第１関係情報は、前記第３入力データと前記時系列データとの関係を表す第２関係情報と一致または類似し、
   前記第１関係情報は、前記第２入力データと前記時系列データとの関係を表す指標値が指定期間に含まれる複数の期間それぞれで出現する回数を表す度数分布であり、
   前記第２関係情報は、前記第３入力データと前記時系列データとの関係を表す指標値が指定期間に含まれる複数の期間それぞれで出現する回数を表す度数分布である、
   情報処理装置。
2. 前記第１関係情報は、前記第２入力データおよび前記第２入力データに相関するデータを含むデータと前記時系列データとの関係を表す、
   請求項１に記載の情報処理装置。
3. 前記学習部は、複数の度数分布間の距離により、前記第１関係情報と前記第２関係情報とが一致または類似するか判定する、
   請求項１に記載の情報処理装置。
4. 前記入力データから前記第１入力データをランダムに選択する抽出部をさらに備え、
   前記学習部は、抽出部により選択された前記第１入力データと、前記正解データと、を用いて前記モデルを学習する、
   請求項１に記載の情報処理装置。
5. 前記時系列データは、予め定められた地域ごとの気象データである、
   請求項１に記載の情報処理装置。
6. 前記出力制御部は、さらに、学習された前記モデルによる推論結果を表示装置に表示する、
   請求項１に記載の情報処理装置。
7. 情報処理装置が実行する情報処理方法であって、
   位置に応じて値が連続的に変化する時系列データを含む入力データを入力して推論結果を出力するモデルに入力する前記入力データ、および、前記モデルによる推論の正解を表す正解データを取得する取得ステップと、
   前記入力データから選択された第１入力データと、前記正解データと、を用いて前記モデルを学習する第１学習ステップと、
   学習された前記モデルによる推論結果に対する前記第１入力データの寄与度を出力する出力制御ステップと、
   前記入力データのうち出力された前記寄与度に応じて指定された第２入力データに基づく第３入力データと、前記正解データと、を用いて前記モデルをさらに学習する第２学習ステップと、を含み、
   前記第２入力データと前記時系列データとの関係を表す第１関係情報は、前記第３入力データと前記時系列データとの関係を表す第２関係情報と一致または類似し、
   前記第１関係情報は、前記第２入力データと前記時系列データとの関係を表す指標値が指定期間に含まれる複数の期間それぞれで出現する回数を表す度数分布であり、
   前記第２関係情報は、前記第３入力データと前記時系列データとの関係を表す指標値が指定期間に含まれる複数の期間それぞれで出現する回数を表す度数分布である、
   情報処理方法。
8. コンピュータを、
   位置に応じて値が連続的に変化する時系列データを含む入力データを入力して推論結果を出力するモデルに入力する前記入力データ、および、前記モデルによる推論の正解を表す正解データを取得する取得部と、
   前記入力データから選択された第１入力データと、前記正解データと、を用いて前記モデルを学習する学習部と、
   学習された前記モデルによる推論結果に対する前記第１入力データの寄与度を出力する出力制御部と、として機能させ、
   前記学習部は、前記入力データのうち出力された前記寄与度に応じて指定された第２入力データに基づく第３入力データと、前記正解データと、を用いて前記モデルをさらに学習し、
   前記第２入力データと前記時系列データとの関係を表す第１関係情報は、前記第３入力データと前記時系列データとの関係を表す第２関係情報と一致または類似し、
   前記第１関係情報は、前記第２入力データと前記時系列データとの関係を表す指標値が指定期間に含まれる複数の期間それぞれで出現する回数を表す度数分布であり、
   前記第２関係情報は、前記第３入力データと前記時系列データとの関係を表す指標値が指定期間に含まれる複数の期間それぞれで出現する回数を表す度数分布である、
   プログラム。

Images