JP7424497B2 - ルール生成装置、ルール生成方法、及び制御プログラム - Google Patents
ルール生成装置、ルール生成方法、及び制御プログラム Download PDFInfo
- Publication number
- JP7424497B2 JP7424497B2 JP2022543208A JP2022543208A JP7424497B2 JP 7424497 B2 JP7424497 B2 JP 7424497B2 JP 2022543208 A JP2022543208 A JP 2022543208A JP 2022543208 A JP2022543208 A JP 2022543208A JP 7424497 B2 JP7424497 B2 JP 7424497B2
- Authority
- JP
- Japan
- Prior art keywords
- condition
- rule
- subset
- information
- information group
- 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
- 238000000034 method Methods 0.000 title claims description 32
- 238000004364 calculation method Methods 0.000 claims description 23
- 230000000717 retained effect Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 13
- 230000015654 memory Effects 0.000 description 10
- 150000001875 compounds Chemical class 0.000 description 7
- 239000002131 composite material Substances 0.000 description 5
- 238000003066 decision tree Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- 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
- G06N99/00—Subject matter not provided for in other groups of this subclass
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
前記訓練用例を前記目標値に関する複数のクラスタに分けるためのルール群を、ルールベースモデルを用いて且つ第1の制約を満たすように生成する手段であって、前記ルール群の各ルールは、前記特徴パラメータに関する1つ以上の単純条件を含む条件集合から得られる条件と前記目標値に関する予測値とを含む、ルール生成手段と、
を具備し、
前記第1の制約は、各クラスタがN(Nは自然数)個以上の実用例を含むという制約を含む。
前記ルール生成方法は、
前記訓練用例を前記目標値に関する複数のクラスタに分けるためのルール群を、ルールベースモデルを用いて且つ第1の制約を満たすように生成することをさらに含み、
前記ルール群の各ルールは、前記特徴パラメータに関する1つ以上の単純条件を含む条件集合から得られる条件と前記目標値に関する予測値とを含み、
前記第1の制約は、各クラスタがN(Nは自然数)個以上の実用例を含むという制約を含む。
複数の用例を含む訓練用例を取得することを含む処理を、ルール生成装置に実行させ、
前記複数の用例は、少なくとも1つの実用例及び少なくとも1つの人工用例を含み、
前記実用例及び前記人工用例のそれぞれは、それぞれ異なる特徴パラメータに対応する1つ以上の特徴量をベクトル要素とする特徴量ベクトルと目標値とを含み、各実用例に含まれる特徴量及び目標値は実測値である一方、各人工用例は、前記実用例に基づいて形成された用例であり、
前記処理は、前記訓練用例を前記目標値に関する複数のクラスタに分けるためのルール群を、ルールベースモデルを用いて且つ第1の制約を満たすように生成することをさらに含み、
前記ルール群の各ルールは、前記特徴パラメータに関する1つ以上の単純条件を含む条件集合から得られる条件と前記目標値に関する予測値とを含み、
前記第1の制約は、各クラスタがN(Nは自然数)個以上の実用例を含むという制約を含む、
制御プログラムを格納している。
<ルール生成装置の構成例>
図1は、第1実施形態におけるルール生成装置の一例を示すブロック図である。図1においてルール生成装置10は、取得部11と、ルール生成部12とを有している。なお、ルール生成装置10は、回帰問題及びクラス分類問題のいずれにも適用可能であるが、以下では、主に回帰問題に適用することを前提に説明する。
図2は、第1実施形態におけるルール生成装置の処理動作の一例を示すフローチャートである。
第2実施形態は、より具体的な実施形態に関する。
図3は、第2実施形態におけるルール生成装置の一例を示すブロック図である。図3においてルール生成装置20は、取得部21と、ルール生成部22とを有している。なお、ルール生成装置20は、回帰問題及びクラス分類問題のいずれにも適用可能であるが、以下では、主に回帰問題に適用することを前提に説明する。
以上の構成を有するルール生成装置20の処理動作の一例について説明する。ルール生成装置20は、条件生成処理を行い、その後、予測値生成処理を行う。
図5から図10は、第2実施形態における条件生成処理の一例を示すフローチャートである。
図12は、第2実施形態における予測値生成処理の一例を示すフローチャートである。図12に示すフローチャートは、条件生成制御部23Aから出力された複数の情報グループのそれぞれについて実行される。すなわち、複数の情報グループのそれぞれが順番に「処理対象情報グループ」となる。
第3実施形態は、予測値の生成方法のバリエーションに関する。
図13は、第3実施形態におけるルール生成装置の一例を示すブロック図である。図13においてルール生成装置30は、取得部21と、ルール生成部31とを有している。なお、ルール生成装置30は、回帰問題及びクラス分類問題のいずれにも適用可能である。
以上の構成を有するルール生成装置20の処理動作の一例について説明する。
図14は、第3実施形態における予測値生成処理の一例を示すフローチャートである。図14に示すフローチャートは、条件生成制御部23Aから出力された複数の情報グループのそれぞれについて実行される。すなわち、複数の情報グループのそれぞれが順番に「処理対象情報グループ」となる。
第4実施形態は、条件生成方法のバリエーションに関する。第4実施形態では、第2実施形態と異なり、第2の制約を課さずに訓練用例を葉ノードまで分割し、実用例をN(Nは自然数)以上含んでいない葉ノードを削除する。以下では、N=1の場合を例にとり説明する。
図15は、第4実施形態におけるルール生成装置の一例を示すブロック図である。図15においてルール生成装置40は、取得部21と、ルール生成部41とを有している。なお、ルール生成装置40は、回帰問題及びクラス分類問題のいずれにも適用可能である。
以上の構成を有するルール生成装置40の処理動作の一例について説明する。
図16から図21は、第4実施形態における条件生成処理の一例を示すフローチャートである。
<1>第1実施形態から第4実施形態では主に回帰が適用された場合を説明した。クラス分類の場合には、ルールの予測値としてクラスへの出現確率を計算すればよい。決定木を利用する場合、葉ノードに含まれる実用例が属するクラスの出現確率の高いクラスを、ルールの予測値としてもよい。
複数の用例を含む訓練用例を取得する手段であって、前記複数の用例は、少なくとも1つの実用例及び少なくとも1つの人工用例を含み、前記実用例及び前記人工用例のそれぞれは、それぞれ異なる特徴パラメータに対応する1つ以上の特徴量をベクトル要素とする特徴量ベクトルと目標値とを含み、各実用例に含まれる特徴量及び目標値は実測値である一方、各人工用例は、前記実用例に基づいて形成された用例である、取得手段と、
前記訓練用例を前記目標値に関する複数のクラスタに分けるためのルール群を、ルールベースモデルを用いて且つ第1の制約を満たすように生成する手段であって、前記ルール群の各ルールは、前記特徴パラメータに関する1つ以上の単純条件を含む条件集合から得られる条件と前記目標値に関する予測値とを含む、ルール生成手段と、
を具備し、
前記第1の制約は、各クラスタがN(Nは自然数)個以上の実用例を含むという制約を含む、
ルール生成装置。
前記ルール生成手段は、
前記各ルールの条件を生成する条件生成手段と、
前記各ルールの予測値を生成する予測値生成手段と、
を具備する、
付記1記載のルール生成装置。
前記条件生成手段は、
親ノードを複数の子ノードに分割するための単純条件を第2の制約に従って決定する手段であって、前記第2の制約は、各子ノードがN(Nは自然数)個以上の実用例を含むという制約を含む、条件生成制御手段を具備する、
付記2記載のルール生成装置。
前記条件生成手段は、
条件生成制御手段と、
分割処理対象集合に含まれる用例の複数の前記特徴パラメータにそれぞれ対応する複数の説明変数のうちの1つを選択し、前記選択した説明変数を用いて複数の閾値を生成することにより前記選択した説明変数についての複数の単純条件候補を生成する単純条件候補生成手段と、
前記生成された複数の単純条件候補から1つの単純条件候補を処理に使用する使用単純条件候補として順次選択し、前記使用単純条件候補に基づいて前記分割処理対象集合に含まれる複数の用例を分けることによって第1部分集合及び第2部分集合を形成し、前記第1部分集合に前記使用単純条件候補を条件集合として対応づけた第1情報グループと、前記第2部分集合に前記使用単純条件候補の否定条件を条件集合として対応づけた第2情報グループとを含む情報セットを、各単純条件候補について出力して第1保持手段に記憶させる分割手段と、
をさらに具備し、
最初の前記分割処理対象集合は、前記訓練用例であり、
前記条件生成制御手段は、
前記記憶されている複数の情報セットから、前記第1部分集合及び前記第2部分集合のそれぞれが第2の制約を満たし、且つ、前記第1部分集合及び前記第2部分集合から算出される第1統計値が最も小さい、情報セットを選択すること、
前記選択した情報セットの前記第1情報グループ及び前記第2情報グループを第2保持手段に保持させた後に、前記記憶されている情報セットを前記第1保持手段に削除させること、
前記保持させた第1情報グループ及び第2情報グループのそれぞれについて終了条件を満たしているか否かを判定して前記終了条件を満たしている情報グループに処理完了情報を付すこと、並びに、
2番目以降の前記分割処理対象集合として、前記第2保持手段に保持され且つ前記処理完了情報が付されていない情報グループを前記第2保持手段から取得して前記単純条件候補生成手段に出力すること、を実行し、
前記第2の制約は、前記第1部分集合及び前記第2部分集合のそれぞれがN(Nは自然数)個以上の実用例を含むという制約を含む、
付記2記載のルール生成装置。
前記条件生成制御手段は、前記第2保持手段に保持されている全ての情報グループに前記処理完了情報が付されている場合、前記全ての情報グループを前記第2保持手段から取得して出力する、
付記4記載のルール生成装置。
前記条件生成手段は、
条件生成制御手段と、
分割処理対象集合に含まれる用例の複数の前記特徴パラメータにそれぞれ対応する複数の説明変数のうちの1つを選択し、前記選択した説明変数を用いて複数の閾値を生成することにより前記選択した説明変数についての複数の単純条件候補を生成する単純条件候補生成手段と、
前記生成された複数の単純条件候補から1つの単純条件候補を処理に使用する使用単純条件候補として順次選択し、前記使用単純条件候補に基づいて前記分割処理対象集合に含まれる複数の用例を分けることによって第1部分集合及び第2部分集合を形成し、前記第1部分集合に前記使用単純条件候補を条件集合として対応づけた第1情報グループと、前記第2部分集合に前記使用単純条件候補の否定条件を条件集合として対応づけた第2情報グループとを含む情報セットを、各単純条件候補について出力して第1保持手段に記憶させる分割手段と、
をさらに具備し、
最初の前記分割処理対象集合は、前記訓練用例であり、
前記条件生成制御手段は、
前記記憶されている複数の情報セットから、前記第1部分集合及び前記第2部分集合から算出される第1統計値が最も小さい、情報セットを選択すること、
前記選択した情報セットの前記第1情報グループ及び前記第2情報グループを第2保持手段に保持させた後に、前記記憶されている情報セットを前記第1保持手段に削除させること、
前記保持させた第1情報グループ及び第2情報グループのそれぞれについて終了条件を満たしているか否かを判定して前記終了条件を満たしている情報グループに処理完了情報を付すこと、
2番目以降の前記分割処理対象集合として、前記第2保持手段に保持され且つ前記処理完了情報が付されていない情報グループを前記第2保持手段から取得して前記単純条件候補生成手段に出力すること、
前記第2保持手段に保持されている全ての情報グループに前記処理完了情報が付されている場合、前記第2保持手段に保持されている複数の情報グループから、実用例をN(Nは自然数)以上含んでいない部分集合の情報グループを削除すること、並びに、
前記第2保持手段に削除されずに残っている全ての情報グループを取得して出力すること、を実行する、
付記2記載のルール生成装置。
前記予測値生成手段は、
前記条件生成制御手段から出力された複数の情報グループから処理対象情報グループを順次選択し、前記処理対象情報グループの処理対象部分集合に含まれる実用例の目標値に関する第2統計値と前記処理対象部分集合に含まれる各人工用例の目標値とに基づいて乖離値を算出する乖離値算出手段と、
第1閾値以上である前記算出された乖離値に対応する人工用例を前記処理対象部分集合から除去して前記処理対象部分集合を調整する調整手段と、
前記調整後の処理対象部分集合に含まれるすべての用例の目標値に関する第3統計値を、前記調整後の処理対象部分集合の処理対象情報グループに対応するルールの予測値として算出する予測値算出手段と、
を具備する、
付記5又は6に記載のルール生成装置。
前記予測値生成手段は、
前記条件生成制御手段から出力された複数の情報グループから処理対象情報グループを順次選択し、前記処理対象情報グループの処理対象部分集合に含まれる実用例の目標値に関する第2統計値を、前記処理対象部分集合の処理対象情報グループに対応するルールの予測値として算出する予測値算出手段を具備する、
付記5又は6に記載のルール生成装置。
前記ルールベースモデルは、決定木又は決定リストである、
付記1から8のいずれか1項に記載のルール生成装置。
ルール生成方法であって、
複数の用例を含む訓練用例を取得することを含み、前記複数の用例は、少なくとも1つの実用例及び少なくとも1つの人工用例を含み、前記実用例及び前記人工用例のそれぞれは、それぞれ異なる特徴パラメータに対応する1つ以上の特徴量をベクトル要素とする特徴量ベクトルと目標値とを含み、各実用例に含まれる特徴量及び目標値は実測値である一方、各人工用例は、前記実用例に基づいて形成された用例であり、
前記ルール生成方法は、
前記訓練用例を前記目標値に関する複数のクラスタに分けるためのルール群を、ルールベースモデルを用いて且つ第1の制約を満たすように生成することをさらに含み、
前記ルール群の各ルールは、前記特徴パラメータに関する1つ以上の単純条件を含む条件集合から得られる条件と前記目標値に関する予測値とを含み、
前記第1の制約は、各クラスタがN(Nは自然数)個以上の実用例を含むという制約を含む、
ルール生成方法。
複数の用例を含む訓練用例を取得することを含む処理を、ルール生成装置に実行させ、
前記複数の用例は、少なくとも1つの実用例及び少なくとも1つの人工用例を含み、
前記実用例及び前記人工用例のそれぞれは、それぞれ異なる特徴パラメータに対応する1つ以上の特徴量をベクトル要素とする特徴量ベクトルと目標値とを含み、各実用例に含まれる特徴量及び目標値は実測値である一方、各人工用例は、前記実用例に基づいて形成された用例であり、
前記処理は、前記訓練用例を前記目標値に関する複数のクラスタに分けるためのルール群を、ルールベースモデルを用いて且つ第1の制約を満たすように生成することをさらに含み、
前記ルール群の各ルールは、前記特徴パラメータに関する1つ以上の単純条件を含む条件集合から得られる条件と前記目標値に関する予測値とを含み、
前記第1の制約は、各クラスタがN(Nは自然数)個以上の実用例を含むという制約を含む、
制御プログラムが格納された非一時的なコンピュータ可読媒体。
11 取得部
12 ルール生成部
20 ルール生成装置
21 取得部
22 ルール生成部
23 条件生成部
23A 条件生成制御部
23B 単純条件候補生成部
23C 分割部
23D 第1保持部
23E 第2保持部
24 予測値生成部
24A 乖離値算出部
24B 調整部
24C 予測値算出部
30 ルール生成装置
31 ルール生成部
32 予測値生成部
32A 調整部
32B 予測値算出部
40 ルール生成装置
41 ルール生成部
42 条件生成部
42A 条件生成制御部
43 予測値生成部
Claims (10)
- 複数の用例を含む訓練用例を取得する手段であって、前記複数の用例は、少なくとも1つの実用例及び少なくとも1つの人工用例を含み、前記実用例及び前記人工用例のそれぞれは、それぞれ異なる特徴パラメータに対応する1つ以上の特徴量をベクトル要素とする特徴量ベクトルと目標値とを含み、各実用例に含まれる特徴量及び目標値は実測値である一方、各人工用例は、前記実用例に基づいて形成された用例である、取得手段と、
前記訓練用例を前記目標値に関する複数のクラスタに分けるためのルール群を、ルールベースモデルを用いて且つ第1の制約を満たすように生成する手段であって、前記ルール群の各ルールは、前記特徴パラメータに関する1つ以上の単純条件を含む条件集合から得られる条件と前記目標値に関する予測値とを含む、ルール生成手段と、
を具備し、
前記第1の制約は、各クラスタがN(Nは自然数)個以上の実用例を含むという制約を含む、
ルール生成装置。 - 前記ルール生成手段は、
前記各ルールの条件を生成する条件生成手段と、
前記各ルールの予測値を生成する予測値生成手段と、
を具備する、
請求項1記載のルール生成装置。 - 前記条件生成手段は、
親ノードを複数の子ノードに分割するための単純条件を第2の制約に従って決定する手段であって、前記第2の制約は、各子ノードがN(Nは自然数)個以上の実用例を含むという制約を含む、条件生成制御手段を具備する、
請求項2記載のルール生成装置。 - 前記条件生成手段は、
条件生成制御手段と、
分割処理対象集合に含まれる用例の複数の前記特徴パラメータにそれぞれ対応する複数の説明変数のうちの1つを選択し、前記選択した説明変数を用いて複数の閾値を生成することにより前記選択した説明変数についての複数の単純条件候補を生成する単純条件候補生成手段と、
前記生成された複数の単純条件候補から1つの単純条件候補を処理に使用する使用単純条件候補として順次選択し、前記使用単純条件候補に基づいて前記分割処理対象集合に含まれる複数の用例を分けることによって第1部分集合及び第2部分集合を形成し、前記第1部分集合に前記使用単純条件候補を条件集合として対応づけた第1情報グループと、前記第2部分集合に前記使用単純条件候補の否定条件を条件集合として対応づけた第2情報グループとを含む情報セットを、各単純条件候補について出力して第1保持手段に記憶させる分割手段と、
をさらに具備し、
最初の前記分割処理対象集合は、前記訓練用例であり、
前記条件生成制御手段は、
前記記憶されている複数の情報セットから、前記第1部分集合及び前記第2部分集合のそれぞれが第2の制約を満たし、且つ、前記第1部分集合及び前記第2部分集合から算出される第1統計値が最も小さい、情報セットを選択すること、
前記選択した情報セットの前記第1情報グループ及び前記第2情報グループを第2保持手段に保持させた後に、前記記憶されている情報セットを前記第1保持手段に削除させること、
前記保持させた第1情報グループ及び第2情報グループのそれぞれについて終了条件を満たしているか否かを判定して前記終了条件を満たしている情報グループに処理完了情報を付すこと、並びに、
2番目以降の前記分割処理対象集合として、前記第2保持手段に保持され且つ前記処理完了情報が付されていない情報グループを前記第2保持手段から取得して前記単純条件候補生成手段に出力すること、を実行し、
前記第2の制約は、前記第1部分集合及び前記第2部分集合のそれぞれがN(Nは自然数)個以上の実用例を含むという制約を含む、
請求項2記載のルール生成装置。 - 前記条件生成制御手段は、前記第2保持手段に保持されている全ての情報グループに前記処理完了情報が付されている場合、前記全ての情報グループを前記第2保持手段から取得して出力する、
請求項4記載のルール生成装置。 - 前記条件生成手段は、
条件生成制御手段と、
分割処理対象集合に含まれる用例の複数の前記特徴パラメータにそれぞれ対応する複数の説明変数のうちの1つを選択し、前記選択した説明変数を用いて複数の閾値を生成することにより前記選択した説明変数についての複数の単純条件候補を生成する単純条件候補生成手段と、
前記生成された複数の単純条件候補から1つの単純条件候補を処理に使用する使用単純条件候補として順次選択し、前記使用単純条件候補に基づいて前記分割処理対象集合に含まれる複数の用例を分けることによって第1部分集合及び第2部分集合を形成し、前記第1部分集合に前記使用単純条件候補を条件集合として対応づけた第1情報グループと、前記第2部分集合に前記使用単純条件候補の否定条件を条件集合として対応づけた第2情報グループとを含む情報セットを、各単純条件候補について出力して第1保持手段に記憶させる分割手段と、
をさらに具備し、
最初の前記分割処理対象集合は、前記訓練用例であり、
前記条件生成制御手段は、
前記記憶されている複数の情報セットから、前記第1部分集合及び前記第2部分集合から算出される第1統計値が最も小さい、情報セットを選択すること、
前記選択した情報セットの前記第1情報グループ及び前記第2情報グループを第2保持手段に保持させた後に、前記記憶されている情報セットを前記第1保持手段に削除させること、
前記保持させた第1情報グループ及び第2情報グループのそれぞれについて終了条件を満たしているか否かを判定して前記終了条件を満たしている情報グループに処理完了情報を付すこと、
2番目以降の前記分割処理対象集合として、前記第2保持手段に保持され且つ前記処理完了情報が付されていない情報グループを前記第2保持手段から取得して前記単純条件候補生成手段に出力すること、
前記第2保持手段に保持されている全ての情報グループに前記処理完了情報が付されている場合、前記第2保持手段に保持されている複数の情報グループから、実用例をN(Nは自然数)以上含んでいない部分集合の情報グループを削除すること、並びに、
前記第2保持手段に削除されずに残っている全ての情報グループを取得して出力すること、を実行する、
請求項2記載のルール生成装置。 - 前記予測値生成手段は、
前記条件生成制御手段から出力された複数の情報グループから処理対象情報グループを順次選択し、前記処理対象情報グループの処理対象部分集合に含まれる実用例の目標値に関する第2統計値と前記処理対象部分集合に含まれる各人工用例の目標値とに基づいて乖離値を算出する乖離値算出手段と、
第1閾値以上である前記算出された乖離値に対応する人工用例を前記処理対象部分集合から除去して前記処理対象部分集合を調整する調整手段と、
前記調整後の処理対象部分集合に含まれるすべての用例の目標値に関する第3統計値を、前記調整後の処理対象部分集合の処理対象情報グループに対応するルールの予測値として算出する予測値算出手段と、
を具備する、
請求項5又は6に記載のルール生成装置。 - 前記予測値生成手段は、
前記条件生成制御手段から出力された複数の情報グループから処理対象情報グループを順次選択し、前記処理対象情報グループの処理対象部分集合に含まれる実用例の目標値に関する第2統計値を、前記処理対象部分集合の処理対象情報グループに対応するルールの予測値として算出する予測値算出手段を具備する、
請求項5又は6に記載のルール生成装置。 - ルール生成方法であって、
複数の用例を含む訓練用例を取得することを含み、前記複数の用例は、少なくとも1つの実用例及び少なくとも1つの人工用例を含み、前記実用例及び前記人工用例のそれぞれは、それぞれ異なる特徴パラメータに対応する1つ以上の特徴量をベクトル要素とする特徴量ベクトルと目標値とを含み、各実用例に含まれる特徴量及び目標値は実測値である一方、各人工用例は、前記実用例に基づいて形成された用例であり、
前記ルール生成方法は、
前記訓練用例を前記目標値に関する複数のクラスタに分けるためのルール群を、ルールベースモデルを用いて且つ第1の制約を満たすように生成することをさらに含み、
前記ルール群の各ルールは、前記特徴パラメータに関する1つ以上の単純条件を含む条件集合から得られる条件と前記目標値に関する予測値とを含み、
前記第1の制約は、各クラスタがN(Nは自然数)個以上の実用例を含むという制約を含む、
ルール生成方法。 - 複数の用例を含む訓練用例を取得することを含む処理を、ルール生成装置に実行させ、
前記複数の用例は、少なくとも1つの実用例及び少なくとも1つの人工用例を含み、
前記実用例及び前記人工用例のそれぞれは、それぞれ異なる特徴パラメータに対応する1つ以上の特徴量をベクトル要素とする特徴量ベクトルと目標値とを含み、各実用例に含まれる特徴量及び目標値は実測値である一方、各人工用例は、前記実用例に基づいて形成された用例であり、
前記処理は、前記訓練用例を前記目標値に関する複数のクラスタに分けるためのルール群を、ルールベースモデルを用いて且つ第1の制約を満たすように生成することをさらに含み、
前記ルール群の各ルールは、前記特徴パラメータに関する1つ以上の単純条件を含む条件集合から得られる条件と前記目標値に関する予測値とを含み、
前記第1の制約は、各クラスタがN(Nは自然数)個以上の実用例を含むという制約を含む、
制御プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/031387 WO2022038729A1 (ja) | 2020-08-20 | 2020-08-20 | ルール生成装置、ルール生成方法、及び制御プログラムが格納された非一時的なコンピュータ可読媒体 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2022038729A1 JPWO2022038729A1 (ja) | 2022-02-24 |
JPWO2022038729A5 JPWO2022038729A5 (ja) | 2023-04-19 |
JP7424497B2 true JP7424497B2 (ja) | 2024-01-30 |
Family
ID=80323485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022543208A Active JP7424497B2 (ja) | 2020-08-20 | 2020-08-20 | ルール生成装置、ルール生成方法、及び制御プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230214717A1 (ja) |
JP (1) | JP7424497B2 (ja) |
WO (1) | WO2022038729A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114897595A (zh) * | 2022-04-11 | 2022-08-12 | 深圳无域科技技术有限公司 | 一种数据处理方法、装置、电子设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019053491A (ja) | 2017-09-14 | 2019-04-04 | 株式会社東芝 | ニューラルネットワーク評価装置、ニューラルネットワーク評価方法、およびプログラム |
-
2020
- 2020-08-20 WO PCT/JP2020/031387 patent/WO2022038729A1/ja active Application Filing
- 2020-08-20 US US18/019,912 patent/US20230214717A1/en active Pending
- 2020-08-20 JP JP2022543208A patent/JP7424497B2/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019053491A (ja) | 2017-09-14 | 2019-04-04 | 株式会社東芝 | ニューラルネットワーク評価装置、ニューラルネットワーク評価方法、およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
JPWO2022038729A1 (ja) | 2022-02-24 |
WO2022038729A1 (ja) | 2022-02-24 |
US20230214717A1 (en) | 2023-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hajjem et al. | Mixed effects regression trees for clustered data | |
Kapetanios et al. | Generalised density forecast combinations | |
Chen et al. | Predicting US‐and state‐level cancer counts for the current calendar year: Part I: evaluation of temporal projection methods for mortality | |
Bathia et al. | Identifying the finite dimensionality of curve time series | |
Zwiers et al. | Trajectories of ethnic neighbourhood change: Spatial patterns of increasing ethnic diversity | |
CN110019779B (zh) | 一种文本分类方法、模型训练方法及装置 | |
CN110880014B (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
CN111316296A (zh) | 学习层级提取模型的结构 | |
JP7424497B2 (ja) | ルール生成装置、ルール生成方法、及び制御プログラム | |
CN115659807A (zh) | 一种基于贝叶斯优化模型融合算法对人才表现预测的方法 | |
Ho et al. | Robust inference of memory structure for efficient quantum modeling of stochastic processes | |
CN113779185A (zh) | 一种自然语言模型的生成方法和计算机设备 | |
CN114626487A (zh) | 基于随机森林分类算法的线变关系校核方法 | |
JP7093292B2 (ja) | 対話セッションテキストをセグメンテーションするシステム及び方法 | |
Engström et al. | A componentwise pagerank algorithm | |
JP6687011B2 (ja) | クラスタリングシステム、方法およびプログラム | |
JPWO2018235841A1 (ja) | グラフ構造解析装置、グラフ構造解析方法、及びプログラム | |
Su et al. | Parameter estimation for fractional diffusion process with discrete observations | |
Ma | The Research of Stock Predictive Model based on the Combination of CART and DBSCAN | |
CN111696500B (zh) | 一种midi序列和弦进行识别方法和装置 | |
Mourad et al. | Real-time data selection and ordering for cognitive bias mitigation | |
Doherty et al. | TreeGNG-hierarchical topological clustering | |
Benáček et al. | Postprocessing of Ensemble Weather Forecast Using Decision Tree–Based Probabilistic Forecasting Methods | |
Grama et al. | Estimation of extreme survival probabilities with cox model | |
WO2023127111A1 (ja) | 生成方法、生成プログラム、及び、情報処理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230203 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230203 |
|
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: 20231219 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240101 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7424497 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |