特許 6201219 数量予測システム及び数量予測用プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6201219

(24)【登録日】2017年9月8日

(45)【発行日】2017年9月27日

(54)【発明の名称】数量予測システム及び数量予測用プログラム

(51)【国際特許分類】

   G06Q 30/02 20120101AFI20170914BHJP

   G06F 19/00 20110101ALI20170914BHJP

   G06N 99/00 20100101ALI20170914BHJP

【ＦＩ】

   G06Q30/02 310

   G06F19/00 100

   G06N99/00 153

【請求項の数】13

【全頁数】16

(21)【出願番号】特願2015-62163(P2015-62163)

(22)【出願日】2015年3月25日

(65)【公開番号】特開2016-181204(P2016-181204A)

(43)【公開日】2016年10月13日

【審査請求日】2016年7月26日

(73)【特許権者】

【識別番号】391016358

【氏名又は名称】東芝情報システム株式会社

(74)【代理人】

【識別番号】100074147

【弁理士】

【氏名又は名称】本田 崇

(72)【発明者】

【氏名】村松 久

(72)【発明者】

【氏名】朝倉 克己

【審査官】 小山 和俊

(56)【参考文献】

【文献】 特開平０９−０１６５５３（ＪＰ，Ａ）

【文献】 特開２０１０−２６６９７４（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０６Ｑ １０／００−９９／００

Ｇ０６Ｆ １９／００

Ｇ０６Ｎ ９９／００

(57)【特許請求の範囲】

【請求項1】

所定対象の外的条件と内的条件の少なくとも１つの条件が所定のときに、前記所定対象の所定事象が所定時間内に発生する数量を、機械学習による複数の分類器を用いて、予測する数量予測システムであって、
所定対象の外的条件と内的条件の少なくとも１つの条件情報と、前記発生する数量とを含む一連データが複数含まれた教師データに基づき、前記所定対象の外的条件と内的条件の少なくとも１つの条件情報を含む対象データに対して、発生する数量が第１の数量以上であるか否かを判定すると共に判定数量が前記第１の数量である、前記分類器中の第１の分類器と、
前記教師データに基づき、前記対象データに対して、発生する数量が第１の数量より大きい第２の数量以上であるか否かを判定すると共に判定数量が前記第２の数量である、前記分類器中の第２の分類器と、
前記教師データに基づき、前記対象データに対して、発生する数量が第２の数量より大きい第３の数量以上であるか否かを判定すると共に判定数量が前記第３の数量である、前記分類器中の第３の分類器と、
・・・
前記教師データに基づき、前記対象データに対して、発生する数量が第（ｎ−１）の数量より大きい第ｎ（２以上の整数）の数量以上であるか否かを判定すると共に判定数量が前記第ｎの数量である、前記分類器中の第ｎの分類器と、
前記第１の分類器から第ｎの分類器までの判定結果に基づき、判定結果が「肯定」と「否」との境界の分類器を検出し、この境界の分類器の判定数量を用いて予測数量を決定する決定手段と、
を具備することを特徴とする数量予測システム。

【請求項2】

第１の分類器から第ｎの分類器を１セットして、Ｎ（２以上の整数）セットの分類器を具備し、
教師データをＮ分割して、分割した教師データを異なる１セットの分類器に与えることを特徴とする請求項１に記載の数量予測システム。

【請求項3】

１セット中に、第１の分類器から第ｎの分類器をそれぞれＭ（２以上の整数）個設けたことを特徴とする請求項２に記載の数量予測システム。

【請求項4】

決定手段は、複数の第１の分類器の判定結果の多数決を第１の分類器の判定結果とし、複数の第２の分類器の判定結果の多数決を第２の分類器の判定結果とし、・・・、複数の第ｎの分類器の判定結果の多数決を第ｎの分類器の判定結果とすることを特徴とする請求項２または３に記載の数量予測システム。

【請求項5】

分類器は、生成のアルゴリズムにRandom Forestを採用して生成することを特徴とする請求項２乃至４のいずれか１項に記載の数量予測システム。

【請求項6】

決定手段は、第１の分類器側から第ｎの分類器側へ各分類器の判定結果を検出し、
判定結果が「肯定」から「否」へ最初に変化した境界における分類器の判定数量未満で、前記境界における分類器より１つ第１の分類器側の判定数量以上である第１の数量を予測数量とすることを特徴とする請求項１乃至５のいずれか１項に記載の数量予測システム。

【請求項7】

決定手段は、第１の分類器側から第ｎの分類器側へ各分類器の判定結果を検出し、
判定結果が「肯定」から「否」へ最初に変化した境界における分類器の判定数量と、「否」と判定した分類器が連続している分類器中の最も第１の分類器に近い分類器の判定数量と、の中間値を予測数量とすることを特徴とする請求項１乃至５のいずれか１項に記載の数量予測システム。

【請求項8】

コンピュータを、機械学習による複数の分類器として機能させ、所定対象の外的条件と内的条件の少なくとも１つの条件が所定のときに、前記所定対象の所定事象が所定時間内に発生する数量を、予測する数量予測用プログラムであって、
前記コンピュータを、
所定対象の外的条件と内的条件の少なくとも１つの条件情報と、前記発生する数量とを含む一連データが複数含まれた教師データに基づき、前記所定対象の外的条件と内的条件の少なくとも１つの条件情報を含む対象データに対して、発生する数量が第１の数量以上であるか否かを判定すると共に判定数量が前記第１の数量である、前記分類器中の第１の分類器と、
前記教師データに基づき、前記対象データに対して、発生する数量が第１の数量より大きい第２の数量以上であるか否かを判定すると共に判定数量が前記第２の数量である、前記分類器中の第２の分類器と、
前記教師データに基づき、前記対象データに対して、発生する数量が第２の数量より大きい第３の数量以上であるか否かを判定すると共に判定数量が前記第３の数量である、前記分類器中の第３の分類器と、
・・・・
前記教師データに基づき、前記対象データに対して、発生する数量が第（ｎ−１）の数量より大きい第ｎ（２以上の整数）の数量以上であるか否かを判定すると共に判定数量が前記第ｎの数量である、前記分類器中の第ｎの分類器と、
前記第１の分類器から第ｎの分類器までの判定結果に基づき、判定結果が「肯定」と「否」との境界の分類器を検出し、この境界の分類器の判定数量を用いて予測数量を決定する決定手段と、
して機能させるための数量予測用プログラム。

【請求項9】

コンピュータを、第１の分類器から第ｎの分類器を１セットして、Ｎ（２以上の整数）セットの分類器として機能させ、
教師データをＮ分割して、分割した教師データを異なる１セットの分類器に与えることを特徴とする請求項８に記載の数量予測用プログラム。

【請求項10】

コンピュータを、
１セット中のＭ（２以上の整数）個の第１の分類器として、
１セット中のＭ個の第２の分類器として、
・・・、
１セット中のＭ個の第ｎの分類器として
それぞれ機能させることを特徴とする請求項９に記載の数量予測用プログラム。

【請求項11】

コンピュータを、
複数の第１の分類器の判定結果の多数決を第１の分類器の判定結果とし、複数の第２の分類器の判定結果の多数決を第２の分類器の判定結果とし、・・・、複数の第ｎの分類器の判定結果の多数決を第ｎの分類器の判定結果とする決定手段として機能させることを特徴とする請求項９または１０に記載の数量予測用プログラム。

【請求項12】

コンピュータを、
第１の分類器側から第ｎの分類器側へ各分類器の判定結果を検出し、判定結果が「肯定」から「否」へ最初に変化した境界における分類器の判定数量未満で、前記境界における分類器より１つ第１の分類器側の判定数量以上である第１の数量を予測数量とする決定手段として機能させることを特徴とする請求項８乃至１１のいずれか１項に記載の数量予測用プログラム。

【請求項13】

コンピュータを、
第１の分類器側から第ｎの分類器側へ各分類器の判定結果を検出し、判定結果が「肯定」から「否」へ最初に変化した境界における分類器の判定数量と、「否」と判定した分類器が連続している分類器中の最も第１の分類器に近い分類器の判定数量と、の中間値を予測数量とする決定手段として機能さることを特徴とする請求項８乃至１１のいずれか１項に記載の数量予測用プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

この発明は、商品の販売数、製品の歩留り数、入場者数、営業担当者の販売達成率など、数量を予測する数量予測システムに関するものである。一般的には、所定対象の所定事象が所定時間内に発生する数量を予測する数量予測システム及び数量予測用プログラムである。商品の販売数の例では、「所定対象」は商品であり、「所定事象」は販売されることであり、「所定時間」は１日や１か月などの期間である。

【背景技術】

【0002】

従来の商品販売予測装置として、天候、日付、曜日、時刻などを収集し、これを多段階分類や偏差を求める処理により予測に有効なデータ系列を得て、このデータ系列の全データを重回帰分析して予測に対する貢献度の高い情報を選択し、選択された情報によって商品販売の予測を行うものが開示されている（特許文献１）。しかしながら、この装置では、収集情報がビックデータと称されるような大量のデータである場合には、処理時間が膨大となり、実用的ではない。

【0003】

また、特許文献２には、世帯人数や世帯構成員の特徴などのユーザ属性を測定する装置として、単位期間の生活関連量データとユーザ属性値との組を含む教師データセットからサブセットを生成し、このサブセット毎に分岐判定式による学習の結果として葉ノードにユーザ属性値が対応付けられた決定木を生成して、推定対象データを決定木に入力して到達先となった葉ノードに対応付けられたユーザ属性値に基づいて単位ユーザ属性推定値を推定し、単位ユーザ属性推定値から推定期間のユーザ属性推定値を決定する装置が開示されている。この特許文献２に記載の装置は、決定木を用いるために処理が簡素であるものの、１世帯などの少ないデータを用いるものであり、ビックデータと称されるような大量のデータ向きの装置ではない。

【0004】

前述の特許文献１に示された如き、天候、日付、曜日、時刻などの条件と販売数量などが一連の教師データとされて用いられる装置として、分類器が知られている。図１５に示した装置は、項目１、・・・、項目ｍによって示される条件の場合に、ＡであるかＢであるかのラベル分けを決定する装置である。項目１として数値があり、項目ｍとしてＸＹＺのいずれかが示されている。ここでは、項目２から項目（ｍ−１）までに他の条件が入るが、省略してある。

【0005】

教師データ１０１は、例えば過去のデータであり、ラベルがＡＢのいずれであるか既知である。このような教師データ１０１を取り込んで、分類器生成プログラム１００は、ラベルＡＢに分類を行うＡ／Ｂ分類器２００を作成する。ここで、Ａ／Ｂ分類器２００は機械学習によって例えばｙ＝ｆ（項目１，項目２，・・・，項目ｍ）のような予測モデルを用いて、ｙ（１または０）を導き出す。ここに、１はラベルＡであり、０はラベルＢとすることができる。

【0006】

上記の分類器２００に、項目１、・・・、項目ｍの値があるが、ラベルが未知である分類対象データ１０２を投入すると、分類器２００がラベル分けを行って、分類結果データ１０３が得られる。このような分類器に関連する技術は、特許文献３や特許文献４などに示されている。しかしながら、これらの分類器によっては、ラベル分けが行われるだけであり、数量予測を行うものではなかった。

【先行技術文献】

【特許文献】

【0007】

【特許文献1】特開平８−２１２１９１号公報

【特許文献2】特開２０１４−１６７７１５号公報

【特許文献3】特開２００９−２３８１９３号公報

【特許文献4】特開２００８−２１７３７５号公報

【発明の概要】

【発明が解決しようとする課題】

【0008】

本発明は上記のような数量予測システムの現状に鑑みてなされたもので、その目的は、簡単な処理により適切に数量予測を行うことが可能な数量予測システムを提供することである。また、他の目的は、分散処理を行い易い分類器を用いて数量予測システムを構成し、処理の高速化を図ることを可能とすることである。

【課題を解決するための手段】

【0009】

本発明に係る数量予測システムは、所定対象の外的条件と内的条件の少なくとも１つの条件が所定のときに、前記所定対象の所定事象が所定時間内に発生する数量を、機械学習による複数の分類器を用いて、予測する数量予測システムであって、所定対象の外的条件と内的条件の少なくとも１つの条件情報と、前記発生する数量とを含む一連データが複数含まれた教師データに基づき、前記所定対象の外的条件と内的条件の少なくとも１つの条件情報を含む対象データに対して、発生する数量が第１の数量以上であるか否かを判定すると共に判定数量が前記第１の数量である、前記分類器中の第１の分類器と、前記教師データに基づき、前記対象データに対して、発生する数量が第１の数量より大きい第２の数量以上であるか否かを判定すると共に判定数量が前記第２の数量である、前記分類器中の第２の分類器と、前記教師データに基づき、前記対象データに対して、発生する数量が第２の数量より大きい第３の数量以上であるか否かを判定すると共に判定数量が前記第３の数量である、前記分類器中の第３の分類器と、・・・ 前記教師データに基づき、前記対象データに対して、発生する数量が第（ｎ−１）の数量より大きい第ｎ（２以上の整数）の数量以上であるか否かを判定すると共に判定数量が前記第ｎの数量である、前記分類器中の第ｎの分類器と、前記第１の分類器から第ｎの分類器までの判定結果に基づき、判定結果が「肯定」と「否」との境界の分類器を検出し、この境界の分類器の判定数量を用いて予測数量を決定する決定手段と、を具備することを特徴とする。

【0010】

本発明に係る数量予測システムでは、第１の分類器から第ｎの分類器を１セットして、Ｎ（２以上の整数）セットの分類器を具備し、教師データをＮ分割して、分割した教師データを異なる１セットの分類器に与えることを特徴とする。

【0011】

本発明に係る数量予測システムでは、１セット中に、第１の分類器から第ｎの分類器をそれぞれＭ（２以上の整数）個設けたことを特徴とする。

【0012】

本発明に係る数量予測システムでは、決定手段は、複数の第１の分類器の判定結果の多数決を第１の分類器の判定結果とし、複数の第２の分類器の判定結果の多数決を第２の分類器の判定結果とし、・・・、複数の第ｎの分類器の判定結果の多数決を第ｎの分類器の判定結果とすることを特徴とする。

【0013】

本発明に係る数量予測システムでは、分類器は、生成のアルゴリズムにRandom Forestを採用して生成することを特徴とする。

【0014】

本発明に係る数量予測システムでは、決定手段は、第１の分類器側から第ｎの分類器側へ各分類器の判定結果を検出し、判定結果が「肯定」から「否」へ最初に変化した境界における分類器の判定数量未満で、前記境界における分類器より１つ第１の分類器側の判定数量以上である第１の数量を予測数量とすることを特徴とする。

【0015】

本発明に係る数量予測システムでは、決定手段は、第１の分類器側から第ｎの分類器側へ各分類器の判定結果を検出し、判定結果が「肯定」から「否」へ最初に変化した境界における分類器の判定数量と、「否」と判定した分類器が連続している分類器中の最も第１の分類器に近い分類器の判定数量と、の中間値を予測数量とすることを特徴とする。

【0016】

本発明に係る数量予測用プログラムは、コンピュータを、機械学習による複数の分類器として機能させ、所定対象の外的条件と内的条件の少なくとも１つの条件が所定のときに、前記所定対象の所定事象が所定時間内に発生する数量を、予測する数量予測用プログラムであって、前記コンピュータを、所定対象の外的条件と内的条件の少なくとも１つの条件情報と、前記発生する数量とを含む一連データが複数含まれた教師データに基づき、前記所定対象の外的条件と内的条件の少なくとも１つの条件情報を含む対象データに対して、発生する数量が第１の数量以上であるか否かを判定すると共に判定数量が前記第１の数量である、前記分類器中の第１の分類器と、前記教師データに基づき、前記対象データに対して、発生する数量が第１の数量より大きい第２の数量以上であるか否かを判定すると共に判定数量が前記第２の数量である、前記分類器中の第２の分類器と、前記教師データに基づき、前記対象データに対して、発生する数量が第２の数量より大きい第３の数量以上であるか否かを判定すると共に判定数量が前記第３の数量である、前記分類器中の第３の分類器と、・・・・ 前記教師データに基づき、前記対象データに対して、発生する数量が第（ｎ−１）の数量より大きい第ｎ（２以上の整数）の数量以上であるか否かを判定すると共に判定数量が前記第ｎの数量である、前記分類器中の第ｎの分類器と、前記第１の分類器から第ｎの分類器までの判定結果に基づき、判定結果が「肯定」と「否」との境界の分類器を検出し、この境界の分類器の判定数量を用いて予測数量を決定する決定手段と、して機能させることを特徴とする。

【0017】

本発明に係る数量予測用プログラムでは、コンピュータを、第１の分類器から第ｎの分類器を１セットして、Ｎ（２以上の整数）セットの分類器として機能させ、教師データをＮ分割して、分割した教師データを異なる１セットの分類器に与えることを特徴とする。

【0018】

本発明に係る数量予測用プログラムでは、コンピュータを、１セット中のＭ（２以上の整数）個の第１の分類器として、１セット中のＭ個の第２の分類器として、・・・、１セット中のＭ個の第ｎの分類器としてそれぞれ機能させることを特徴とする。

【0019】

本発明に係る数量予測用プログラムでは、コンピュータを、複数の第１の分類器の判定結果の多数決を第１の分類器の判定結果とし、複数の第２の分類器の判定結果の多数決を第２の分類器の判定結果とし、・・・、複数の第ｎの分類器の判定結果の多数決を第ｎの分類器の判定結果とする決定手段として機能させることを特徴とする。

【0020】

本発明に係る数量予測用プログラムでは、コンピュータを、第１の分類器側から第ｎの分類器側へ各分類器の判定結果を検出し、判定結果が「肯定」から「否」へ最初に変化した境界における分類器の判定数量未満で、前記境界における分類器より１つ第１の分類器側の判定数量以上である第１の数量を予測数量とする決定手段として機能させることを特徴とする。

【0021】

本発明に係る数量予測用プログラムでは、コンピュータを、第１の分類器側から第ｎの分類器側へ各分類器の判定結果を検出し、判定結果が「肯定」から「否」へ最初に変化した境界における分類器の判定数量と、「否」と判定した分類器が連続している分類器中の最も第１の分類器に近い分類器の判定数量と、の中間値を予測数量とする決定手段として機能さることを特徴とする。

【発明の効果】

【0022】

本発明によれば、所定対象の外的条件と内的条件の少なくとも１つの条件が所定のときに、前記所定対象の所定事象が所定時間内に発生する数量を、機械学習による複数の分類器を用いて、予測するので、複数の分類器を並列動作させて処理の高速化を図ることが可能である。

【0023】

また、本発明によれば、発生する数量が第１の数量より大きい第２の数量以上であるか否かを判定すると共に判定数量が前記第２の数量である、前記分類器中の第２の分類器と、前記教師データに基づき、前記対象データに対して、発生する数量が第２の数量より大きい第３の数量以上であるか否かを判定すると共に判定数量が前記第３の数量である、前記分類器中の第３の分類器と、・・・前記教師データに基づき、前記対象データに対して、発生する数量が第（ｎ−１）の数量より大きい第ｎ（２以上の整数）の数量以上であるか否かを判定すると共に判定数量が前記第ｎの数量である、前記分類器中の第ｎの分類器とを用いて、前記第１の分類器から第ｎの分類器までの判定結果に基づき、判定結果が「肯定」と「否」との境界の分類器を検出し、この境界の分類器の判定数量を用いて予測数量を決定するので、「肯定」と「否」との境界の分類器の判定数量により、いくつまでの数量が発生するか予測可能となる。

【図面の簡単な説明】

【0024】

【図1】本発明の第１の実施形態に係る数量予測システムの構成図。

【図2】本発明の第１の実施形態に係る数量予測システムを生成するプロセスの構成図。

【図3】本発明の第１の実施形態に係る数量予測システムの構成図。

【図4】本発明の第１の実施形態に係る数量予測システムの判定手段による判定の一例を示す図。

【図5】本発明の第２の実施形態に係る数量予測システムを生成するプロセスの構成図。

【図6】本発明の第２の実施形態に係る数量予測システムの構成図。

【図7】本発明の第２の実施形態に係る数量予測システムの判定手段による判定の一例を示す図。

【図8】本発明の第２の実施形態に係る数量予測システムの判定手段による「最小値法」を用いた判定の一例を示す図。

【図9】本発明の第２の実施形態に係る数量予測システムの判定手段による「最大値法」を用いた判定の一例を示す図。

【図10】本発明の第２の実施形態に係る数量予測システムの判定手段による「平均値法」を用いた判定の一例を示す図。

【図11】本発明の第２の実施形態に係る数量予測システムの判定手段による「連続欠落部（否部）注目法」を用いた判定の一例を示す図。

【図12】本発明の第２の実施形態に係る数量予測システムの判定手段による「重み法」を用いた判定の一例を示す図。

【図13】本発明の第２の実施形態に係る数量予測システムの判定手段による「複数回試行多数決法」を用いた判定の一例を示す図。

【図14】分類器１０〜分類器１００を用いる数量予測システムの信頼度を可視化するための判定結果テーブルを示す図。

【図15】分類器を用いて構成した分類装置のブロック図。

【発明を実施するための形態】

【0025】

以下添付図面を参照して本発明に係る数量予測システム及び数量予測システムの実施形態を説明する。各図において同一の構成要素には同一の符号を付し、重複する説明を省略する。図１に本発明に係る数量予測システムにおける第１の実施形態のブロック図が示されている。この実施形態では、第１の分類器１１、第２の分類器１２、第３の分類器１３が用いられる。一般的に、ｎ（２以上の整数）個の分類器が用いられる。

【0026】

第１の分類器１１、第２の分類器１２、第３の分類器１３は、機械学習による分類器である。第１の分類器１１は、教師データ５０に基づき、対象データ６０に対して、発生する数量が第１の数量（１０）以上であるか否かを判定するものである。第２の分類器１２は、教師データ５０に基づき、対象データ６０に対して、発生する数量が第１の数量（１０）より大きい第２の数量（２０）以上であるか否かを判定するものである。第３の分類器１３は、教師データ５０に基づき、対象データ６０に対して、発生する数量が第２の数量（２０）より大きい第３の数量（３０）以上であるか否かを判定するものである。一般的に、第ｎの分類器は、教師データ５０に基づき、対象データ６０に対して、発生する数量が第（ｎ−１）の数量より大きい第ｎの数量以上であるか否かを判定するものである。なお、各分類器間の数量の差（きざみ）は、一定でなくても良いし、整数でなくとも良いことは明白である。

【0027】

本システムは、所定対象の外的条件と内的条件の少なくとも１つの条件が所定のときに、前記所定対象の所定事象が所定時間内に発生する数量を予測するものである。ここで商品の販売数を予測するシステムでは、「所定対象」は商品であり、「所定事象」は販売されることであり、「所定時間」は１日や１か月などの期間である。また、製品の歩留り数を予測するシステムでは、「所定対象」は製品であり、「所定事象」は良品が製造されることであり、「所定時間」は１日や１か月などの期間である。また、入場者数を予測するシステムでは、「所定対象」は人であり、「所定事象」は人が入場することであり、「所定時間」は１日や１か月などの期間である。更に、営業担当者の販売達成率を予測するシステムでは、「所定対象」は或る営業担当者であり、「所定事象」は或る営業担当者が商品を販売することであり、「所定時間」は１日や１か月などの期間である。

【0028】

所定対象の外的条件とは、温度や湿度、天気、騒音（デシベル）などであり、所定対象の内的条件とは、商品や製品であれば、組成（何からできているか、何が何％含まれているかなど）、固さや柔らかさなどであり、人であれば、体温、脈拍数、病気などとすることができる。

【0029】

教師データ５０は、所定対象の外的条件と内的条件の少なくとも１つの条件情報と、発生する数量とを含む一連データが複数含まれて構成される。この第１の実施形態では、条件情報として項目１〜項目ｍがあり、項目１に温度が採用され、項目ｍに天気が採用されている。「発生する数量」は数量であり、一連データはＮｏにより決定する、表中の一行分のデータを意味する。

【0030】

第１の分類器１１は分類器生成プログラム２１によって作成され、第２の分類器１２は分類器生成プログラム２２によって作成され、第３の分類器１３は分類器生成プログラム２３によって作成される。第１の分類器１１、第２の分類器１２、第３の分類器１３は機械学習による複数の分類器として作成され、例えば、判定結果をＺ（「肯定」＝１，「否」＝０）とし、所定関数ｆを用いて、Ｚ＝ｆ（項目１，項目２，・・・，項目ｍ）により判定を行うものとすることができる。

【0031】

対象データ６０は、教師データ５０と同じ条件情報である項目１〜項目ｍを有する一連データであって、数量が求められていないデータである。第１の分類器１１、第２の分類器１２、第３の分類器１３は、教師データ５０に基づき上記の如くして生成された機械学習による分類器であり、上記の対象データ６０に対して判定を行う。

【0032】

ここでは、判定結果を、「肯定」＝○により表し、「否」＝×により表す。図１に示した判定結果では、Ｎｏ．３の対象データに着目している。第１の分類器１１は１０以上について○であり、第２の分類器１２は２０以上について○であり、第３の分類器１３は３０以上について×である。

【0033】

第１の分類器１１の出力、第２の分類器１２の出力、第３の分類器１３の出力は、決定手段３０へ与えられる。決定手段３０は、第１の分類器から第３（一般的には、第ｎ）の分類器１３までの判定結果に基づき、判定結果が「肯定」と「否」との境界の分類器を検出し、この分類器の判定数量を用いて予測数量を決定する。即ち、上記図１のＮｏ．３の対象データについては、判定結果が「肯定」と「否」との境界の分類器は、第２の分類器１２と第３の分類器１３である。第２の分類器１２の判定数量は２０であり、第３の分類器１３の判定数量は３０であるから、予測数量を２０以上３０未満と決定する。

【0034】

上記のように、決定手段３０は、第１の分類器側から第ｎの分類器側へ各分類器の判定結果を検出し、判定結果が「肯定」から「否」へ最初に変化した境界における分類器の判定数量未満で、前記境界における分類器より１つ第１の分類器側の判定数量以上である第１の数量を予測数量とする。

【0035】

しかし、判定結果が「肯定」から「否」へ最初に変化した分類器より大きい判定数量に対応する分類器の判定結果が、以降「否」が連続するとは限らない。例えば、判定結果が「肯定」から「否」へ最初に変化した以降において、「・・・、肯定、否、肯定、否、肯定、否、否、・・・」のような結果となる場合もある。このような場合には、決定手段３０は、第１の分類器側から第ｎの分類器側へ各分類器の判定結果を検出し、判定結果が「肯定」から「否」へ最初に変化した境界における分類器の判定数量と、「否」と判定した分類器が連続している分類器中の最も第１の分類器に近い分類器の判定数量と、の中間値を予測数量とする。ここで、中間値は、中央値であっても良いし、「肯定」と「否」が混じり合う区間において、「肯定」と「否」の数により比例させても良い。例えば、「肯定」が２「否」が１であれば比例配分により、区間の３分の２の数値としても良い。

【0036】

または、決定手段３０は、第１の分類器側から第ｎの分類器側へ各分類器の判定結果を検出し、判定結果が「否」の連続となる境界における最初の分類器の判定数量未満で、前記境界における分類器より１つ第１の分類器側の判定数量以上である第１の数量を予測しても良い。

【0037】

図２に、第１の実施形態に係る数量予測システムの分類器生成プロセスの構成図を示す。つまり、第１の実施形態に係る数量予測システムは、分類器がそれぞれ全ての教師データ５０を用いるシステムである。このため、第１の分類器１１を生成するための第１の分類器生成プログラム２１、第２の分類器１２を生成するための第２の分類器生成プログラム２２、第３の分類器１３を生成するための第３の分類器生成プログラム２３を備える。第１の分類器生成プログラム２１は、第１の分類器１１を生成する。第２の分類器生成プログラム２２は、第２の分類器１２を生成する。第３の分類器生成プログラム２３は、第３の分類器１３を生成する。

【0038】

この第１の実施形態では、図３に示されるように、第１の分類器１１、第２の分類器１２、第３の分類器１３に対し、それぞれ対象データ６０が与えられる。図４に示すように、第１の分類器１１は１０以上について○であり、第２の分類器１２は２０以上について○であり、第３の分類器１３は３０以上について×となっている。

【0039】

第１の分類器１１の出力、第２の分類器１２の出力、第３の分類器１３の出力は、決定手段３０へ与えられる。決定手段３０は、第１の分類器から第３（一般的には、第ｎ）の分類器１３までの判定結果に基づき、判定結果が「肯定」と「否」との境界の分類器を検出し、この分類器の判定数量を用いて予測数量を決定する。

【0040】

図５に、第２の実施形態に係る数量予測システムの分類器生成プロセスの構成図を示す。つまり、第２の実施形態に係る数量予測システムは、教師データ５０を３分割し、分割データ５０−１〜５０−３とする。第１の分類器から第ｎの分類器を１セットとして、Ｎ（２以上の整数）セットの分類器を備える。この実施形態では、ｎ＝３、Ｎ＝３である。この分割数Ｎは、教師データ５０のアイテム数（Ｎｏ．）と条件情報数（項目数）と処理リソースにより所望の処理時間となるように決定することができる。

【0041】

第１の分類器１１−１と第２の分類器１２−１と第３の分類器１３−１は分割データ５０−１を用いてそれぞれ異なる分類器生成プログラム２１−１、２２−１、２３−１によって作成される。第１の分類器１１−２と第２の分類器１２−２と第３の分類器１３−２は分割データ５０−２を用いてそれぞれ異なる分類器生成プログラム２１−２、２２−２、２３−２によって作成され、第１の分類器１１−３と第２の分類器１２−３と第３の分類器１３−３は分割データ５０−３を用いてそれぞれ異なる分類器生成プログラム２１−３、２２−３、２３−３によって作成される。

【0042】

図５の例では、１セット中に、第１の分類器から第ｎの分類器をそれぞれＭ（２以上の整数）個設ける。つまり、第１の分類器１１−１〜１１−３と第２の分類器１２−１〜１２−３と第３の分類器１３−１〜１３−３は、それぞれ生成プログラム（生成プロセス）を備えており、生成のアルゴリズムにRandom Forestを採用して生成される。これにより、分類器生成そのものを並列処理することができる。第１の分類器１１−１〜１１−３は３個生成され、第２の分類器１２−１〜１２−３は３個生成され、更に、第３の分類器１３−１〜１３−３も３個生成される。

【0043】

以上のように複数の第１の分類器１１と複数の第２の分類器１２と複数の第３の分類器１３を用いて、Hadoopといった分散環境で分割データ５０−１、５０−２、５０−３を用いて並列処理する。例えば、第１の分類器１１−１と第２の分類器１２−１と第３の分類器１３−１の１セットを第１のコンピュータに生成し、第１の分類器１１−２と第２の分類器１２−２と第３の分類器１３−２の１セットを第２のコンピュータに生成し、第１の分類器１１−３と第２の分類器１２−３と第３の分類器１３−３の１セットを第３のコンピュータに生成し、並列処理することができる。

【0044】

図６に、第２の実施形態に係る数量予測システムの構成図、つまり、対象データ６０を用いて、複数の分類器により判定を行い、決定手段４０により処理する構成の構成図を示す。対象データ６０は分類器の数と同じ経路に分岐されて、分類器１１−１〜１１−３、第２の分類器１２−１〜１２−３、第３の分類器１３−１〜１３−３、へ送られる。

【0045】

第１の分類器１１−１〜１１−３は、発生する数量が第１の数量（１０）以上であるか否かを判定するものである。第２の分類器１２−１〜１２−３は、発生する数量が第２の数量（２０）以上であるか否かを判定するものである。第３の分類器１３−１〜１３−３は、発生する数量が第３の数量（３０）以上であるか否かを判定するものである。

【0046】

第１の分類器１１−１〜１１−３の判定結果を全て決定手段４０に与える。第２の分類器１２−１〜１２−３の判定結果を全て決定手段４０に与える。第３の分類器１３−１〜１３−３の判定結果を全て決定手段４０に与える。決定手段４０は、決定手段４０の機能に加えて、複数の第１の分類器１１−１〜１１−３の判定結果（対象データ中の同じ一連データを対象として判定を行った判定結果）の多数決を第１の分類器の判定結果とし、複数の第２の分類器１２−１〜１２−３の判定結果（対象データ中の同じ一連データを対象として判定を行った判定結果）の多数決を第２の分類器の判定結果とし、・・・、複数の第ｎの分類器の判定結果（対象データ中の同じ一連データを対象として判定を行った判定結果）の多数決を第ｎの分類器の判定結果とする機能を有する。決定手段４０は、分類器を生成するコンピュータを複数とする場合に、いずれか１台に、または別の一台に設けることができる。

【0047】

従って、図７（ａ）に示すように、第１の分類器１１−１〜１１−３が判定した「○（肯定）」と「×（否）」とを用いて、図７（ａ）に示すように、決定手段４０が多数決により○で示される「肯定」を判定結果とする。同様に、第２の分類器１２−１〜１２−３が判定した「○（肯定）」と「×（否）」とを用いて、決定手段４０が多数決により○で示される「肯定」を判定結果とする。更に、第３の分類器１３−１〜１３−３が判定した「○（肯定）」と「×（否）」とを用いて、決定手段４０が多数決により×で示される「否」を判定結果とする。

【0048】

即ち、決定手段４０は、第１の分類器１１−１〜１１−３の３つの判定結果について更に多数決処理し、第１の分類器の１つの判定結果（「肯定」＝○、「否」＝×）を得る。同様に、決定手段４０は、第２の分類器１２−１〜１２−３の３つの判定結果について更に多数決処理し、第２の分類器の１つの判定結果（「肯定」＝○、「否」＝×）を得る。また、決定手段４０は、第３の分類器１３−１〜１３−３の３つの判定結果について更に多数決処理し、第３の分類器の１つの判定結果（「肯定」＝○、「否」＝×）を得る。

【0049】

図７の例では、第１の分類器の最終的な１つの判定結果は○であり、第２の分類器の最終的な１つの判定結果は○であり、第３の分類器の最終的な１つの判定結果はで×ある。この結果、図１によって処理を行った場合と同様に、予測数量を２０以上３０未満と決定することができる。

【0050】

以上説明した第２の実施形態によれば、同じ数量に対する判定を行う分類器を複数生成し判定するので、生成／判定が並列処理されることにより、最終的に予測した数量を出力するまでの時間を短縮することが可能である。特に、教師データが多量であり、対象データが少量である場合に大きな時間短縮の効果を得ることができる。

【0051】

上記において、決定手段４０は、第１の分類器側から第ｎの分類器側へ各分類器の判定結果を検出し、判定結果が「肯定」から「否」へ最初に変化した境界における分類器の判定数量未満で、前記境界における分類器より１つ第１の分類器側の判定数量以上である第１の数量を予測数量とするものとしたが、これに限定されない。

【0052】

ここでは、「最小値法」、「最大値法」、「平均値法」、「連続欠落部（否部）注目法」、「重み法」及び、「複数回試行多数決法」を説明する。分類器は、１０以上、２０以上、・・・、９０以上の９種類とし、判定結果はいずれも同じである。「最小値法」は、昇順に並べた分類器の最低値から連続する「正しい（肯定）がｎ以上」である場合の最上位の分類器の判定値を予測値と決定するものである。この手法でｎ＝２とすると、図８に示すように、「肯定（○）」が１０以上の分類器から３０以上の判定器まで２以上連続するので、その最上位の分類器の判定値３０を予測値と決定する。

【0053】

「最大値法」は、昇順に並べた分類器の最高値から降順に最初に「正しい（ｎ以上）」と判定した分類器の判定値を予測値と決定するものである。図９では、最高値である９０以上の判定器から降順に検査すると、最初に、「肯定（○）」となるのは８０以上の分類器であるから８０を予測値と決定する。

【0054】

「平均値法」は、「否（×）」と判定した最初の分類器の１つ前の分類器の判定値と、「否（×）」と判定した最後の分類器の１つ前の分類器の判定値との平均を求める。図１０の例では、３０以上の分類器と８０以上の分類器となるので、この平均値の５５を予測値と決定する。

【0055】

「連続欠落部（否部）注目法」は、昇順に並べた分類器の最低値から連続する「否（×）」がｎ以上」である場合の最下位の分類器の１つ下位の分類器の判定値を予測値と決定するものである。この手法でｎ＝２とすると、図１１に示すように、「否（×）」が６０以上の分類器から７０以上の分類器まで２以上連続するので、その最下位の分類器の１つ下位の分類器の判定値５０を予測値と決定する。

【0056】

「重み法」は、昇順に並べた各分類器と、その前後ｎに重みを付け、特定の閾値以下となった境界における分類器の判定値を予測値とする。最小分類器未満は全て「正しい」、最大分類器超は「正しくない」とする。重み表の一例を、図１２（ａ）に示す。この例は、昇順に並べた各分類器の１つを対象分類器として、この対象分類器と、その前後２に重み付けを行うものである。図１２（ａ）において、「０」は対象分類器を示し、「−１」は対象分類器より１つ前の分類器を示し、「−２」は対象分類器より２つ前の分類器を示し、「＋１」は対象分類器より１つ後の分類器を示し、「＋２」は対象分類器より２つ後の分類器を示す。

【0057】

上記重み表を用いて、分類器の判定結果が「○」の場合重み付けを行い、「×」の場合は重み付けを行わない。それぞれの分類器に重み付けをした値の合算を結果値とする。図１２（ａ）の重み表を用いて判定結果が図１２（b）の上段のようである場合の重み付結果を図１２（b）の下段に示す。予め定めた境界値を下回る重みを持つ分類器の1つ前の分類器の判定値を予測値と決定する。図１２の例では、５０を予め定めた境界値としており、重みが３７．５である６０以上の判定を行う分類器が境界となり、その1つ前の分類器の判定値５０を予測値と決定する。予め定めた境界値を５０としたが、一例に過ぎず、７５や１００であってもよい。

【0058】

「複数回試行多数決法」は、１０以上の分類器から９０以上の分類器を用いて複数回の判定を行う。例えば３回試行した例を図１３に示す。分類器毎に複数回の判定結果について多数決を用いて判定結果を得る。この判定結果について、「最小値法」、「最大値法」、「平均値法」、「連続欠落部（否部）注目法」、「重み法」のいずれかを用いて予測値を決定する。図１３の例では、多数決の判定結果は５０以上の分類器までが「肯定（○）」となる。この判定結果について「最小値法」を用いると、判定値５０が予測値となる。なお、複数回試行して、この中から所定回をランダムに抽出して、抽出したデータについて、上記のような手法を適用しても良い。

【0059】

第１の実施形態と第２の実施形態において、対象データとして教師データ（一部で良い）を採用することにより、当該数量予測システムの評価を行うことができる。この場合、第１の分類器から第ｎの分類器の判定結果（多数決処理後のもの）を、教師データと比較したテーブルとしてディスプレイやプリンタから出力することにより、システムの信頼度を可視化（見える化）することが可能である。

【0060】

例えば、分類器１０〜分類器１００を用いる数量予測システムの信頼度を可視化するための判定結果テーブルを図１４に示す。分類器１０は予測数値が１０以上であるか否か判定し、判定結果（「肯定」＝○、「否」＝×）を得るものであり、分類器２０は予測数値が２０以上であるか否か判定し、判定結果（「肯定」＝○、「否」＝×）を得るものであり、・・・（以下同様）・・・、分類器１００は予測数値が１００以上であるか否か判定し、判定結果（「肯定」＝○、「否」＝×）を得るものである。

【0061】

「アイテムＮｏ．」は、一連データの番号であり、「数量実績」は教師データ中の数量である。テーブル中の○、×において、「白抜き」の表示となっているところが、教師データに対して誤判定となったことを示す。これにより、誤判定の度合いなどが一目瞭然であり、分類器の生成に用いる関数や、用いる条件（項目）を変更して適切な分類器の作成に役立てることができる。また、○、×の「白抜き」など特殊態様の表示に加えて、分類器毎や全体の正答率を表示するようにしても良い。

【0062】

本発明の予測の対象は、上記の適用範囲に限定されない。例えば、販売分野においては、販売数予測や販売達成率予測に適用することができる。また、製造分野においては、歩留まり予測や機器故障率予測に適用することができる。また、交通分野においては、交通量予測や渋滞予測や交通事故確率予測に適用することができる。また、農業分野においては、生産高予測や害虫発生率予測に適用することができる。水産業分野においては、漁獲量予測に適用することができる。更に、経済・人口の分野においては、株価予測や出生率予測に適用することができる。

【符号の説明】

【0063】

１１、１１−１〜１１−３ 第１の分類器
１２、１２−１〜１２−３ 第２の分類器
１３、１３−１〜１３−３ 第３の分類器
３０、４０ 決定手段
５０ 教師データ
５０−１〜５０−３ 分割データ
６０ 対象データ

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】