JP7427785B2 - データ推定装置、方法及びプログラム - Google Patents
データ推定装置、方法及びプログラム Download PDFInfo
- Publication number
- JP7427785B2 JP7427785B2 JP2022529998A JP2022529998A JP7427785B2 JP 7427785 B2 JP7427785 B2 JP 7427785B2 JP 2022529998 A JP2022529998 A JP 2022529998A JP 2022529998 A JP2022529998 A JP 2022529998A JP 7427785 B2 JP7427785 B2 JP 7427785B2
- Authority
- JP
- Japan
- Prior art keywords
- objective
- variable
- variables
- explanatory
- machine 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
- 238000000034 method Methods 0.000 title claims description 21
- 238000010801 machine learning Methods 0.000 claims description 68
- 238000012549 training Methods 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 238000003066 decision tree Methods 0.000 description 6
- 230000001141 propulsive effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012545 processing Methods 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
- G06N5/04—Inference or reasoning models
- G06N5/045—Explanation of inference; Explainable artificial intelligence [XAI]; Interpretable artificial intelligence
Description
(1)予め用意した説明変数で任意の目的変数を推定可能な機械学習モデルを構築する。(2)推定した目的変数を新たに説明変数に加えて、新たな機械学習モデルを構築する。(3)上記(2)を繰り返す。
実施例の場合、図6を参照すると、説明変数のみで予測した場合、目的変数Aが最も予測精度が高いので、目的変数Aを最初に説明変数に加えて、回帰モデルを構築する。
実施例の場合、図8(a)に示すように、選択された目的変数Aとの相関係数の絶対値が最も大きい目的変数Dを新たに説明変数に加え、回帰モデルを構築する。
実施例の場合、図8(b)に示すように、選択された目的変数A、Bとの相関係数の絶対値の平均が最も大きい目的変数Bを新たに説明変数に加え、回帰モデルを構築する。
実施例の場合、最後の目的変数Cを新たに説明変数に加え、回帰モデルを構築する。
Claims (6)
- 説明変数および目的変数を含む訓練データを用いて、説明変数から目的変数を推定する機械学習モデルを生成する学習部を含み、
前記学習部は、1つ以上の説明変数を含む説明変数群E i から目的変数O i を推定する機械学習モデルM i を生成し、機械学習モデルM i により推定された目的変数O i を説明変数群E i に加えて新たな説明変数群E i+1 を設定し、説明変数群E i+1 から目的変数O i+1 を推定する機械学習モデルM i+1 を生成し(ただしi=1)、
前記学習部は、i=2~(n-1)(nは2以上の自然数)に対して機械学習モデルの生成を繰り返し、
前記学習部は、n個の目的変数を説明変数として投入する順序を決めるために、各投入順序で機械学習モデルを生成してn個の目的変数の予測精度を算出し、n個の目的変数の予測精度の平均値が最大である、又は、n個の目的変数の予測精度の標準偏差が最小である投入順序を最終的に選択することを特徴とするデータ推定装置。 - 説明変数および目的変数を含む訓練データを用いて、説明変数から目的変数を推定する機械学習モデルを生成する学習部を含み、
前記学習部は、1つ以上の説明変数を含む説明変数群E i から目的変数O i を推定する機械学習モデルM i を生成し、機械学習モデルM i により推定された目的変数O i を説明変数群E i に加えて新たな説明変数群E i+1 を設定し、説明変数群E i+1 から目的変数O i+1 を推定する機械学習モデルM i+1 を生成し(ただしi=1)、
前記学習部は、i=2~(n-1)(nは2以上の自然数)に対して機械学習モデルの生成を繰り返し、
前記学習部は、n個の目的変数の内、機械学習モデルによる説明変数からの予測精度が最も高い目的変数を目的変数O 1 として選択し、
前記学習部は、既に選択された目的変数O1~Oiとの相関が高い順にそれ以降の目的変数Oi+1(i=1~(n-1))を選択することを特徴とするデータ推定装置。 - 説明変数および目的変数を含む訓練データを用いて、説明変数から目的変数を推定する機械学習モデルを生成する学習ステップを含み、
前記学習ステップは、1つ以上の説明変数を含む説明変数群Eiから目的変数Oiを推定する機械学習モデルMiを生成し、機械学習モデルMiにより推定された目的変数Oiを説明変数群Eiに加えて新たな説明変数群Ei+1を設定し、説明変数群Ei+1から目的変数Oi+1を推定する機械学習モデルMi+1を生成し(ただしi=1)、
前記学習ステップは、i=2~(n-1)(nは2以上の自然数)に対して機械学習モデルの生成を繰り返し、
前記学習ステップは、n個の目的変数を説明変数として投入する順序を決めるために、各投入順序で機械学習モデルを生成してn個の目的変数の予測精度を算出し、n個の目的変数の予測精度の平均値が最大である、又は、n個の目的変数の予測精度の標準偏差が最小である投入順序を最終的に選択することを特徴とするデータ推定方法。 - 説明変数および目的変数を含む訓練データを用いて、説明変数から目的変数を推定する機械学習モデルを生成する学習ステップを含み、
前記学習ステップは、1つ以上の説明変数を含む説明変数群E i から目的変数O i を推定する機械学習モデルM i を生成し、機械学習モデルM i により推定された目的変数O i を説明変数群E i に加えて新たな説明変数群E i+1 を設定し、説明変数群E i+1 から目的変数O i+1 を推定する機械学習モデルM i+1 を生成し(ただしi=1)、
前記学習ステップは、i=2~(n-1)(nは2以上の自然数)に対して機械学習モデルの生成を繰り返し、
前記学習ステップは、n個の目的変数の内、機械学習モデルによる説明変数からの予測精度が最も高い目的変数を目的変数O 1 として選択し、
前記学習ステップは、既に選択された目的変数O 1 ~O i との相関が高い順にそれ以降の目的変数O i+1 (i=1~(n-1))を選択することを特徴とするデータ推定方法。 - 説明変数および目的変数を含む訓練データを用いて、説明変数から目的変数を推定する機械学習モデルを生成する学習ステップをコンピュータに実行させ、
前記学習ステップは、1つ以上の説明変数を含む説明変数群Eiから目的変数Oiを推定する機械学習モデルMiを生成し、機械学習モデルMiにより推定された目的変数Oiを説明変数群Eiに加えて新たな説明変数群Ei+1を設定し、説明変数群Ei+1から目的変数Oi+1を推定する機械学習モデルMi+1を生成し(ただしi=1)、
前記学習ステップは、i=2~(n-1)(nは2以上の自然数)に対して機械学習モデルの生成を繰り返し、
前記学習ステップは、n個の目的変数を説明変数として投入する順序を決めるために、各投入順序で機械学習モデルを生成してn個の目的変数の予測精度を算出し、n個の目的変数の予測精度の平均値が最大である、又は、n個の目的変数の予測精度の標準偏差が最小である投入順序を最終的に選択することを特徴とするデータ推定プログラム。 - 説明変数および目的変数を含む訓練データを用いて、説明変数から目的変数を推定する機械学習モデルを生成する学習ステップをコンピュータに実行させ、
前記学習ステップは、1つ以上の説明変数を含む説明変数群E i から目的変数O i を推定する機械学習モデルM i を生成し、機械学習モデルM i により推定された目的変数O i を説明変数群E i に加えて新たな説明変数群E i+1 を設定し、説明変数群E i+1 から目的変数O i+1 を推定する機械学習モデルM i+1 を生成し(ただしi=1)、
前記学習ステップは、i=2~(n-1)(nは2以上の自然数)に対して機械学習モデルの生成を繰り返し、
前記学習ステップは、n個の目的変数の内、機械学習モデルによる説明変数からの予測精度が最も高い目的変数を目的変数O 1 として選択し、
前記学習ステップは、既に選択された目的変数O 1 ~O i との相関が高い順にそれ以降の目的変数O i+1 (i=1~(n-1))を選択することを特徴とするデータ推定プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/023286 WO2021250902A1 (ja) | 2020-06-12 | 2020-06-12 | データ推定装置、方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2021250902A1 JPWO2021250902A1 (ja) | 2021-12-16 |
JP7427785B2 true JP7427785B2 (ja) | 2024-02-05 |
Family
ID=78847159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022529998A Active JP7427785B2 (ja) | 2020-06-12 | 2020-06-12 | データ推定装置、方法及びプログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230177392A1 (ja) |
EP (1) | EP4120147A4 (ja) |
JP (1) | JP7427785B2 (ja) |
CN (1) | CN115668233A (ja) |
WO (1) | WO2021250902A1 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110087476A1 (en) | 2008-06-16 | 2011-04-14 | Patrick James Calvert | Method and apparatus for configuring oil and/or gas production system |
JP2015076076A (ja) | 2013-10-11 | 2015-04-20 | カルチュア・コンビニエンス・クラブ株式会社 | 顧客データ解析システム |
JP2016031714A (ja) | 2014-07-30 | 2016-03-07 | 日本電信電話株式会社 | 重回帰分析装置および重回帰分析方法 |
JP2020109598A (ja) | 2019-01-07 | 2020-07-16 | AI inside株式会社 | 取引モデル構築装置、取引モデル構築方法及び取引モデル構築プログラム |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8055469B2 (en) * | 2006-03-03 | 2011-11-08 | Garmin Switzerland Gmbh | Method and apparatus for determining the attachment position of a motion sensing apparatus |
JP7119820B2 (ja) | 2018-09-18 | 2022-08-17 | 富士通株式会社 | 予測プログラム、予測方法および学習装置 |
US11858651B2 (en) * | 2018-10-25 | 2024-01-02 | The Boeing Company | Machine learning model development with interactive feature construction and selection |
-
2020
- 2020-06-12 EP EP20940082.9A patent/EP4120147A4/en active Pending
- 2020-06-12 JP JP2022529998A patent/JP7427785B2/ja active Active
- 2020-06-12 WO PCT/JP2020/023286 patent/WO2021250902A1/ja unknown
- 2020-06-12 US US17/923,150 patent/US20230177392A1/en active Pending
- 2020-06-12 CN CN202080100678.0A patent/CN115668233A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110087476A1 (en) | 2008-06-16 | 2011-04-14 | Patrick James Calvert | Method and apparatus for configuring oil and/or gas production system |
JP2015076076A (ja) | 2013-10-11 | 2015-04-20 | カルチュア・コンビニエンス・クラブ株式会社 | 顧客データ解析システム |
JP2016031714A (ja) | 2014-07-30 | 2016-03-07 | 日本電信電話株式会社 | 重回帰分析装置および重回帰分析方法 |
JP2020109598A (ja) | 2019-01-07 | 2020-07-16 | AI inside株式会社 | 取引モデル構築装置、取引モデル構築方法及び取引モデル構築プログラム |
Non-Patent Citations (1)
Title |
---|
三宅尚志ほか,気象情報の不確かさを考慮した週間電力負荷予測,電気学会論文誌B,日本,社団法人電気学会,1995年01月20日,第115-B巻, 第2号,pp.135-142,ISSN 0385-4213 (MIYAKE, Takashi et al., One-day- through Seven-day-ahead Electrical Load Forcasting |
Also Published As
Publication number | Publication date |
---|---|
US20230177392A1 (en) | 2023-06-08 |
CN115668233A (zh) | 2023-01-31 |
JPWO2021250902A1 (ja) | 2021-12-16 |
EP4120147A4 (en) | 2023-04-26 |
EP4120147A1 (en) | 2023-01-18 |
WO2021250902A1 (ja) | 2021-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11250308B2 (en) | Apparatus and method for generating prediction model based on artificial neural network | |
Perry et al. | Modified genetic algorithm strategy for structural identification | |
US10713565B2 (en) | Iterative feature selection methods | |
JP4591794B2 (ja) | 情報処理装置および方法、並びにプログラム | |
US20040167721A1 (en) | Optimal fitting parameter determining method and device, and optimal fitting parameter determining program | |
JP2001236337A (ja) | ニューラルネットワークによる予測装置 | |
JP7215077B2 (ja) | 予測プログラム、予測方法及び予測装置 | |
Bellemare et al. | Bayesian learning of recursively factored environments | |
CN108985449B (zh) | 一种对卷积神经网络处理器的控制方法及装置 | |
JP7427785B2 (ja) | データ推定装置、方法及びプログラム | |
JP6172145B2 (ja) | 並列割当最適化装置、並列割当最適化方法および並列割当最適化プログラム | |
JP7294017B2 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
JP4591793B2 (ja) | 推定装置および方法、並びにプログラム | |
WO2017037859A1 (ja) | 情報処理装置及び方法 | |
JP7455773B2 (ja) | 求解装置およびプログラム | |
JPWO2018087814A1 (ja) | マルチタスク関係学習システム、方法およびプログラム | |
Holliday et al. | Follow then forage exploration: Improving asynchronous advantage actor critic | |
JP6554995B2 (ja) | 高分子材料のシミュレーション方法 | |
JP6918397B1 (ja) | 情報処理装置、方法、プログラム及びシステム | |
JP7438544B2 (ja) | ニューラルネットワーク処理装置、コンピュータプログラム、ニューラルネットワーク製造方法、ニューラルネットワークデータの製造方法、ニューラルネットワーク利用装置、及びニューラルネットワーク小規模化方法 | |
JP2000339005A (ja) | 制御対象の最適化制御方法及び制御装置 | |
CN112598109A (zh) | 信息处理设备、非暂态计算机可读存储介质及信息处理方法 | |
CN114930345A (zh) | 在神经网络中确定任务兼容性的方法和系统 | |
Papadrakakis et al. | Sensor placement optimization using ensemble Kalman filter and genetic algorithm | |
KR102554626B1 (ko) | 점진적 학습을 위한 기계 학습 방법 및 이를 수행하기 위한 컴퓨팅 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220829 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230829 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231017 |
|
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: 20240109 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240124 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7427785 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |