知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2023124669
(43)【公開日】2023-09-06
(54)【発明の名称】情報処理装置、情報処理方法及び情報処理プログラム
(51)【国際特許分類】
G06N 20/00 20190101AFI20230830BHJP
【ＦＩ】
G06N20/00
【審査請求】未請求
【請求項の数】8
【出願形態】ＯＬ
(21)【出願番号】P 2022028573
(22)【出願日】2022-02-25
(71)【出願人】
【識別番号】000005108
【氏名又は名称】株式会社日立製作所
(74)【代理人】
【識別番号】110001807
【氏名又は名称】弁理士法人磯野国際特許商標事務所
(72)【発明者】
【氏名】中川 瞬希
(72)【発明者】
【氏名】竹内 渉
(57)【要約】
【課題】母集団から収集した偏りのある学習用データを簡便に修正し、修正後の学習用データを使用して、精度の高い数理モデルを機械学習する。
【解決手段】本発明の情報処理装置は、統計情報と同じ変数を有する同時分布情報を学習用データから作成する同時分布作成部と、前記作成した同時分布情報の標本が母集団としての前記統計情報に比して偏っている程度を、複数の前記変数の組み合わせごとに重みとして算出する重み算出部と、前記算出した重みに基づいて、前記学習用データを修正し、前記修正した学習用データを使用して予測モデルを学習する予測モデル作成部と、前記予測モデルを使用して予測用データに対する予測結果を出力する出力処理部と、を備えることを特徴とする。
【選択図】図１
【解決手段】本発明の情報処理装置は、統計情報と同じ変数を有する同時分布情報を学習用データから作成する同時分布作成部と、前記作成した同時分布情報の標本が母集団としての前記統計情報に比して偏っている程度を、複数の前記変数の組み合わせごとに重みとして算出する重み算出部と、前記算出した重みに基づいて、前記学習用データを修正し、前記修正した学習用データを使用して予測モデルを学習する予測モデル作成部と、前記予測モデルを使用して予測用データに対する予測結果を出力する出力処理部と、を備えることを特徴とする。
【選択図】図１
【特許請求の範囲】
【請求項1】
統計情報と同じ変数を有する同時分布情報を学習用データから作成する同時分布作成部と、
前記作成した同時分布情報の標本が母集団としての前記統計情報に比して偏っている程度を、複数の前記変数の組み合わせごとに重みとして算出する重み算出部と、
前記算出した重みに基づいて、前記学習用データを修正し、
前記修正した学習用データを使用して予測モデルを学習する予測モデル作成部と、
前記予測モデルを使用して予測用データに対する予測結果を出力する出力処理部と、
を備えることを特徴とする情報処理装置。
前記作成した同時分布情報の標本が母集団としての前記統計情報に比して偏っている程度を、複数の前記変数の組み合わせごとに重みとして算出する重み算出部と、
前記算出した重みに基づいて、前記学習用データを修正し、
前記修正した学習用データを使用して予測モデルを学習する予測モデル作成部と、
前記予測モデルを使用して予測用データに対する予測結果を出力する出力処理部と、
を備えることを特徴とする情報処理装置。
【請求項2】
前記統計情報は、
前記学習用データの標本が収集された施設を含む母集団から取得されたものであること、
を特徴とする請求項１に記載の情報処理装置。
前記学習用データの標本が収集された施設を含む母集団から取得されたものであること、
を特徴とする請求項１に記載の情報処理装置。
【請求項3】
前記予測モデル作成部は、
前記重みに基づいて、前記学習用データの標本をコピーすることによって前記学習用データの標本数を増やすこと、
を特徴とする請求項２に記載の情報処理装置。
前記重みに基づいて、前記学習用データの標本をコピーすることによって前記学習用データの標本数を増やすこと、
を特徴とする請求項２に記載の情報処理装置。
【請求項4】
前記予測モデル作成部は、
修正する前の前記学習用データを使用して第１の弱学習器を学習するとともに、
修正した後の前記学習用データを使用して第２の弱学習器を学習し、
前記第１の弱学習器及び前記第２の弱学習器を有するアンサンブルモデルを作成すること、
を特徴とする請求項３に記載の情報処理装置。
修正する前の前記学習用データを使用して第１の弱学習器を学習するとともに、
修正した後の前記学習用データを使用して第２の弱学習器を学習し、
前記第１の弱学習器及び前記第２の弱学習器を有するアンサンブルモデルを作成すること、
を特徴とする請求項３に記載の情報処理装置。
【請求項5】
前記出力処理部は、
ユーザの選択に基づいて、前記第１の弱学習器のみを使用して、前記第２の弱学習器のみを使用して、又は、前記アンサンブルモデルを使用して前記予測結果を出力すること、
を特徴とする請求項４に記載の情報処理装置。
ユーザの選択に基づいて、前記第１の弱学習器のみを使用して、前記第２の弱学習器のみを使用して、又は、前記アンサンブルモデルを使用して前記予測結果を出力すること、
を特徴とする請求項４に記載の情報処理装置。
【請求項6】
前記出力処理部は、
前記統計情報の標本数及び前記学習用データの標本数を比較可能に図示すること、
を特徴とする請求項５に記載の情報処理装置。
前記統計情報の標本数及び前記学習用データの標本数を比較可能に図示すること、
を特徴とする請求項５に記載の情報処理装置。
【請求項7】
情報処理装置の同時分布作成部は、
統計情報と同じ変数を有する同時分布情報を学習用データから作成し、
前記情報処理装置の重み算出部は、
前記作成した同時分布情報の標本が母集団としての前記統計情報に比して偏っている程度を、複数の前記変数の組み合わせごとに重みとして算出し、
前記情報処理装置の予測モデル作成部は、
前記算出した重みに基づいて、前記学習用データを修正し、
前記修正した学習用データを使用して予測モデルを学習し、
前記情報処理装置の出力処理部は、
前記予測モデルを使用して予測用データに対する予測結果を出力すること、
を特徴とする情報処理装置の情報処理方法。
統計情報と同じ変数を有する同時分布情報を学習用データから作成し、
前記情報処理装置の重み算出部は、
前記作成した同時分布情報の標本が母集団としての前記統計情報に比して偏っている程度を、複数の前記変数の組み合わせごとに重みとして算出し、
前記情報処理装置の予測モデル作成部は、
前記算出した重みに基づいて、前記学習用データを修正し、
前記修正した学習用データを使用して予測モデルを学習し、
前記情報処理装置の出力処理部は、
前記予測モデルを使用して予測用データに対する予測結果を出力すること、
を特徴とする情報処理装置の情報処理方法。
【請求項8】
コンピュータを、
統計情報と同じ変数を有する同時分布情報を学習用データから作成する同時分布作成部と、
前記作成した同時分布情報の標本が母集団としての前記統計情報に比して偏っている程度を、複数の前記変数の組み合わせごとに重みとして算出する重み算出部と、
前記算出した重みに基づいて、前記学習用データを修正し、
前記修正した学習用データを使用して予測モデルを学習する予測モデル作成部と、
前記予測モデルを使用して予測用データに対する予測結果を出力する出力処理部と、
して機能させるための情報処理プログラム。
統計情報と同じ変数を有する同時分布情報を学習用データから作成する同時分布作成部と、
前記作成した同時分布情報の標本が母集団としての前記統計情報に比して偏っている程度を、複数の前記変数の組み合わせごとに重みとして算出する重み算出部と、
前記算出した重みに基づいて、前記学習用データを修正し、
前記修正した学習用データを使用して予測モデルを学習する予測モデル作成部と、
前記予測モデルを使用して予測用データに対する予測結果を出力する出力処理部と、
して機能させるための情報処理プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、情報処理装置、情報処理方法及び情報処理プログラムに関する。
【背景技術】
【0002】
近時、様々な分野においてコンピュータが学習用データを使用して数理モデルを機械学習することが一般的になっている。機械学習において、数理モデルの係数（パラメータ）は最適化される。ユーザがある説明変数を機械学習済の数理モデルに入力すると、その数理モデルは、ユーザが期待する目的変数を出力する。ここで“ユーザが期待する目的変数”とは、“ユーザが経験的に正しいと評価できる”という意味である。
【0003】
人為的、社会的、時期的又は環境的な制約に起因して、母集団から得られた標本としての学習用データに偏り（バイアス）がある場合、数理モデルは、たとえ技術的に正しく機械学習が行われていても、ユーザが期待する目的変数を出力しなくなってしまう。そこで、機械学習済の数理モデルの係数を修正する必要が生じる。特許文献１の情報処理装置は、機械学習済の数理モデルの説明変数に対して乗算される係数の値を修正することにより、ユーザにとって違和感の少ない目的変数を数理モデルに出力させる旨を記載している。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２０２０－９５０２号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
しかしながら、機械学習済みの数理モデルの係数の値を修正するには、ユーザは、多くの係数のうちから修正すべき係数を選択し、さらにその係数の値を決定するという試行錯誤が必要になる。係数を事後的に修正することに代えて、学習用データ自身を母集団に対して偏りのないものに入れ替えて再度機械学習を行うことも一法である。しかしながら、フォーマット（変数）が同じ新たな学習用データをその母集団から収集することもまた、多大な手間と時間を要する。そして、新たに収集した学習用データにも他種の偏りがあるかも知れない。
そこで、本発明は、母集団から収集した偏りのある学習用データを簡便に修正し、修正後の学習用データを使用して、精度の高い数理モデルを機械学習することを目的とする。
そこで、本発明は、母集団から収集した偏りのある学習用データを簡便に修正し、修正後の学習用データを使用して、精度の高い数理モデルを機械学習することを目的とする。
【課題を解決するための手段】
【0006】
本発明の情報処理装置は、統計情報と同じ変数を有する同時分布情報を学習用データから作成する同時分布作成部と、前記作成した同時分布情報の標本が母集団としての前記統計情報に比して偏っている程度を、複数の前記変数の組み合わせごとに重みとして算出する重み算出部と、前記算出した重みに基づいて、前記学習用データを修正し、前記修正した学習用データを使用して予測モデルを学習する予測モデル作成部と、前記予測モデルを使用して予測用データに対する予測結果を出力する出力処理部と、を備えることを特徴とする。
その他の手段については、発明を実施するための形態のなかで説明する。
その他の手段については、発明を実施するための形態のなかで説明する。
【発明の効果】
【0007】
本発明によれば、母集団から収集した偏りのある学習用データを簡便に修正し、修正後の学習用データを使用して、精度の高い数理モデルを機械学習することができる。
【図面の簡単な説明】
【0008】
【図1】情報処理装置の構成等を説明する図である。
【図2】学習用データの一例である。
【図3】統計情報の一例である。
【図4】同時分布情報の一例である。
【図5】重み情報の一例である。
【図6】同時分布作成処理手順のフローチャートである。
【図7】重み算出処理手順のフローチャートである。
【図8】予測モデル作成処理手順のフローチャートである。
【図9】出力処理手順のフローチャートである。
【図10】表示画面の一例である。
【発明を実施するための形態】
【0009】
以降、本発明を実施するための形態（“本実施形態”という）を、図等を参照しながら詳細に説明する。本実施形態は、単一の医療施設から収集された学習用データ、及び、国、自治体等が公表している統計情報を使用してその学習用データを修正する例である。しかしながら、本発明は、医療以外の分野についても一般的に適用可能である。
【0010】
（母集団及び標本）
本実施形態における母集団は、国、自治体等に居住する国民、地域住民等である。
本実施形態における標本（サンプル）は、国、自治体等に属する特定の医療施設における被験者（被検者）である。標本は、母集団の特性を正しく反映しているとは限らない。それぞれの医療施設は、例えば高齢者が多い、男性が少ない等の特性を不可避的に有する場合がある。このような特性に起因して、母集団の特性と標本の特性との間に乖離が生じる。この乖離は、”偏り”とも呼ばれる。
本実施形態における母集団は、国、自治体等に居住する国民、地域住民等である。
本実施形態における標本（サンプル）は、国、自治体等に属する特定の医療施設における被験者（被検者）である。標本は、母集団の特性を正しく反映しているとは限らない。それぞれの医療施設は、例えば高齢者が多い、男性が少ない等の特性を不可避的に有する場合がある。このような特性に起因して、母集団の特性と標本の特性との間に乖離が生じる。この乖離は、”偏り”とも呼ばれる。
【0011】
（情報処理装置の構成等）
図１は、情報処理装置１の構成等を説明する図である。情報処理装置１は、一般的なコンピュータであり、中央制御装置１１、マウス、キーボード等の入力装置１２、ディスプレイ等の出力装置１３、主記憶装置１４、補助記憶装置１５及び通信装置１６を備える。これらは、バスで相互に接続されている。補助記憶装置１５は、同時分布情報３１、重み情報３２及び予測モデル３３を格納している。予測モデル３３は、第１の弱学習器３４及第２の弱学習器３５を含む。
図１は、情報処理装置１の構成等を説明する図である。情報処理装置１は、一般的なコンピュータであり、中央制御装置１１、マウス、キーボード等の入力装置１２、ディスプレイ等の出力装置１３、主記憶装置１４、補助記憶装置１５及び通信装置１６を備える。これらは、バスで相互に接続されている。補助記憶装置１５は、同時分布情報３１、重み情報３２及び予測モデル３３を格納している。予測モデル３３は、第１の弱学習器３４及第２の弱学習器３５を含む。
【0012】
一般に知られているように、“弱学習器”とは、単独の状態における予測精度が比較的低い数理モデルである。そして、複数の弱学習器から構成され、個々の弱学習器の出力を多数決した結果を出力する数理モデルは、アンサンブルモデルと呼ばれる。アンサンブルモデルの予測精度は、個々の弱学習器に比して高くなる。本実施形態の学習モデル３３は、このようなアンサンブルモデルである。
【0013】
主記憶装置１４における同時分布作成部２１、重み算出部２２、予測モデル作成部２３及び出力処理部２２は、プログラムである。中央制御装置１１は、これらのプログラムを補助記憶装置１５から主記憶装置１４に読み出すことによって、それぞれのプログラムの機能（詳細後記）を実現する。
【0014】
情報処理装置１は、有線又は無線のネットワーク３を介して、データベース２に接続されている。データベース２は、学習用データ４１、予測用データ４２及び統計情報４３（詳細後記）を格納する。データベース２は、例えば、統計情報４３を格納する国、自治体等のデータベース、学習用データ４１を格納する特定の医療施設のデータベース、及び、予測用データ４３（詳細後記）を格納する他の医療施設のデータベース等に分かれていてもよい。
【0015】
（学習用データ）
図２は、学習用データ４１の一例である。学習用データ４１は、特定の単一の医療施設から収集される。学習用データ４１においては、対象者ＩＤ欄１０１に記憶された対象者ＩＤに関連付けて、イベント発生欄１０２にはイベント発生フラグが、年齢欄１０３には年齢が、性別欄１０４には性別が記憶されている。
図２は、学習用データ４１の一例である。学習用データ４１は、特定の単一の医療施設から収集される。学習用データ４１においては、対象者ＩＤ欄１０１に記憶された対象者ＩＤに関連付けて、イベント発生欄１０２にはイベント発生フラグが、年齢欄１０３には年齢が、性別欄１０４には性別が記憶されている。
【0016】
対象者ＩＤ欄１０１の対象者ＩＤは、対象者を一意に特定する識別子である。対象者とは、単一の医療施設による特定の検査の被験者である。
イベント発生欄１０２のイベント発生フラグは、“０”又は“１”のいずれかである。“１”は、検査によって、対象者が特定の疾病に罹患していることが判明したことを示す。“０”は、検査によって、対象者が特定の疾病に罹患していないことが判明したことを示す。つまり、“イベント”は疾病に罹患することを示す。
年齢欄１０３の年齢は、対象者の年齢である。
性別欄１０４の性別は、対象者の性別である。
イベント発生欄１０２のイベント発生フラグは、“０”又は“１”のいずれかである。“１”は、検査によって、対象者が特定の疾病に罹患していることが判明したことを示す。“０”は、検査によって、対象者が特定の疾病に罹患していないことが判明したことを示す。つまり、“イベント”は疾病に罹患することを示す。
年齢欄１０３の年齢は、対象者の年齢である。
性別欄１０４の性別は、対象者の性別である。
【0017】
（統計情報）
図３は、統計情報４３の一例である。統計情報４３は、国、自治体等が作成する行政資料（図示せず）から作成される。本実施形態が想定する行政資料は、国民又は地域住民の属性（イベント発生、年齢、性別、職業、住所、予防接種を受けた回数、…等の変数）を相互に関連付けた公開資料である。学習用データ４１の標本が“一部”であるのに対し、行政資料の母集団は、その一部を含み、その一部よりはるかに広い“全体”である。そして、行政資料における属性は、多くの場合、学習用データ４１における“イベント発生”、“年齢”及び“性別”以外の属性（変数）を含んでいる。
図３は、統計情報４３の一例である。統計情報４３は、国、自治体等が作成する行政資料（図示せず）から作成される。本実施形態が想定する行政資料は、国民又は地域住民の属性（イベント発生、年齢、性別、職業、住所、予防接種を受けた回数、…等の変数）を相互に関連付けた公開資料である。学習用データ４１の標本が“一部”であるのに対し、行政資料の母集団は、その一部を含み、その一部よりはるかに広い“全体”である。そして、行政資料における属性は、多くの場合、学習用データ４１における“イベント発生”、“年齢”及び“性別”以外の属性（変数）を含んでいる。
【0018】
統計情報４３においては、イベント発生欄１１１に記憶されたイベント発生フラグに関連付けて、年齢欄１１２には年齢が、性別欄１１３には性別が、統計情報の例数欄１１４には統計情報の例数が記憶されている。
【0019】
イベント発生欄１１１のイベント発生フラグは、図２のイベント発生フラグと同じである。
年齢欄１１２の年齢は、行政資料が取り扱う国民等の年齢である。
性別欄１１３の性別は、行政資料が取り扱う国民等の性別である。
統計情報の例数欄１１４の統計情報の例数は、そのイベント発生、年齢及び性別の組合せに該当する国民等（母集団）の人数である。イベント発生、年齢及び性別の組合せは、学習用データ４１（図２）の欄１０２～欄１０４に一致する。
年齢欄１１２の年齢は、行政資料が取り扱う国民等の年齢である。
性別欄１１３の性別は、行政資料が取り扱う国民等の性別である。
統計情報の例数欄１１４の統計情報の例数は、そのイベント発生、年齢及び性別の組合せに該当する国民等（母集団）の人数である。イベント発生、年齢及び性別の組合せは、学習用データ４１（図２）の欄１０２～欄１０４に一致する。
【0020】
以上より明らかなように、統計情報４３は、もとの行政資料の属性から学習用データに現れる属性以外のものを捨象したうえで集計したものである。
【0021】
（同時分布情報）
図４は、同時分布情報３１の一例である。同時分布情報３１においては、イベント発生欄１２１に記憶されたイベント発生フラグに関連付けて、年齢欄１２２には年齢が、性別欄１２３には性別が、学習用データの例数欄１２４には学習用データの例数が記憶されている。
図４は、同時分布情報３１の一例である。同時分布情報３１においては、イベント発生欄１２１に記憶されたイベント発生フラグに関連付けて、年齢欄１２２には年齢が、性別欄１２３には性別が、学習用データの例数欄１２４には学習用データの例数が記憶されている。
【0022】
イベント発生欄１２１のイベント発生フラグは、図２のイベント発生フラグと同じである。
年齢欄１２２の年齢は、図２の年齢と同じである。
性別欄１２３の性別は、図２の性別と同じである。
学習用データの例数欄１２４の学習用データの例数は、そのイベント発生、年齢及び性別の組合せに該当する、学習用データ４１（図２）の対象者（標本）の人数である。
年齢欄１２２の年齢は、図２の年齢と同じである。
性別欄１２３の性別は、図２の性別と同じである。
学習用データの例数欄１２４の学習用データの例数は、そのイベント発生、年齢及び性別の組合せに該当する、学習用データ４１（図２）の対象者（標本）の人数である。
【0023】
同時分布情報３１の属性（同時に起きるイベント発生、年齢及び性別の組合せ）は、図３の統計情報４３の属性と完全に一致している。同時分布情報３１の各属性の値（“０”又は“１”の２値、年齢の範囲、“男”又は“女”の２値）もまた、統計情報４３の各属性の値と完全に一致している。
【0024】
統計情報４３（図３）の統計情報の例数、及び、同時分布情報３１（図４）の学習用データの例数を比較すると、例えば以下のことがわかる。これらは、特定の医療施設から収集した学習用データ４１（標本）が有する国民等（母集団）に対する偏りである。
【0025】
・学習用データ４１においては、男性の比率が高い。
・学習用データ４１においては、男女ともに、イベント発生フラグが“１”である比率が高い。
・学習用データ４１においては、女性のイベント発生フラグが“１”である比率が、男性のその比率よりも有意に大きい。母集団には、このような傾向は認められない。
・学習用データ４１においては、女性若年層のイベント発生フラグが“１”である比率が高い。
・学習用データ４１においては、男性高齢層のイベント発生フラグが“１”である比率が高い。
・学習用データ４１においては、男女ともに、イベント発生フラグが“１”である比率が高い。
・学習用データ４１においては、女性のイベント発生フラグが“１”である比率が、男性のその比率よりも有意に大きい。母集団には、このような傾向は認められない。
・学習用データ４１においては、女性若年層のイベント発生フラグが“１”である比率が高い。
・学習用データ４１においては、男性高齢層のイベント発生フラグが“１”である比率が高い。
【0026】
（重み情報）
図５は、重み情報３２の一例である。重み情報３２においては、イベント発生欄１３１に記憶されたイベント発生フラグに関連付けて、年齢欄１３２には年齢が、性別欄１３３には性別が、重み欄１３４には重みが記憶されている。
図５は、重み情報３２の一例である。重み情報３２においては、イベント発生欄１３１に記憶されたイベント発生フラグに関連付けて、年齢欄１３２には年齢が、性別欄１３３には性別が、重み欄１３４には重みが記憶されている。
【0027】
イベント発生欄１２１のイベント発生フラグは、図２のイベント発生フラグと同じである。
年齢欄１３２の年齢は、図２の年齢と同じである。
性別欄１３３の性別は、図２の性別と同じである。
重み欄１３４の重みは、統計情報の例数（図３の欄１１４）を学習用データの例数（図４の欄１２４）で除算した結果である。換言すれば、重みは、同時分布情報の標本が母集団としての前記統計情報に比して偏っている程度である。
年齢欄１３２の年齢は、図２の年齢と同じである。
性別欄１３３の性別は、図２の性別と同じである。
重み欄１３４の重みは、統計情報の例数（図３の欄１１４）を学習用データの例数（図４の欄１２４）で除算した結果である。換言すれば、重みは、同時分布情報の標本が母集団としての前記統計情報に比して偏っている程度である。
【0028】
（重みの意味）
図５の各レコード（行）の重みを上下方向に見たとき、各レコードの重みのすべてが同じ値であれば、学習用データ４１は、統計情報４３に対して偏りがなく、特定の医療施設は、国民等の母集団を理想的に代表しているといえる。しかしながら多くの場合、これらの値は、ばらつきを有する。このばらつきは、その学習用データ４１が有する偏りの特徴を示している。例えば、レコード１３５の重みは“５.０”であり、他のレコードに比して有意に大きい。レコード６の重みは“１.０”であり、他のレコードに比して有意に小さい。これらは以下のことを示している。
図５の各レコード（行）の重みを上下方向に見たとき、各レコードの重みのすべてが同じ値であれば、学習用データ４１は、統計情報４３に対して偏りがなく、特定の医療施設は、国民等の母集団を理想的に代表しているといえる。しかしながら多くの場合、これらの値は、ばらつきを有する。このばらつきは、その学習用データ４１が有する偏りの特徴を示している。例えば、レコード１３５の重みは“５.０”であり、他のレコードに比して有意に大きい。レコード６の重みは“１.０”であり、他のレコードに比して有意に小さい。これらは以下のことを示している。
【0029】
・学習用データ４１が収集された特定の医療施設においては、年齢が“２０～２９”であり、かつ、性別が“女”である標本のうち、イベント発生フラグが“０”であるものが過小であり、“１”であるものが過大である。
・したがって、この医療施設から収集した学習用データ４１を使用して数理モデルを機械学習すると、機械学習済の数理モデルは、“年齢が２０～２９である女性は、特定の疾病に罹患しやすい”という誤った結論を出力してしまう。
・このような誤りを防ぐには、学習用データ４１のレコードのうち、レコード１３５の属性を有するものをコピーして標本数を増やす一方、レコード１３６の属性を有するものはコピーせずそのままとし、内容の異なる新たな学習用データを作成する。
・さらに、新たな学習用データを使用して数理モデルを再度機械学習する。
・したがって、この医療施設から収集した学習用データ４１を使用して数理モデルを機械学習すると、機械学習済の数理モデルは、“年齢が２０～２９である女性は、特定の疾病に罹患しやすい”という誤った結論を出力してしまう。
・このような誤りを防ぐには、学習用データ４１のレコードのうち、レコード１３５の属性を有するものをコピーして標本数を増やす一方、レコード１３６の属性を有するものはコピーせずそのままとし、内容の異なる新たな学習用データを作成する。
・さらに、新たな学習用データを使用して数理モデルを再度機械学習する。
【0030】
以降で、本実施形態の処理手順を説明する。処理手順は、４つ存在し、それらは、同時分布作成処理手順、重み算出処理手順、予測モデル作成処理手順及び出力処理手順であり、この順に実行される。
【0031】
（同時分布作成処理手順）
図６は、同時分布作成処理手順のフローチャートである。
ステップＳ２０１において、情報処理装置１の同時分布作成部２１は、学習用データ４１及び統計情報４３を取得する。具体的には、同時分布作成部２１は、データベース２から、学習用データ４１、及び、前記した“行政資料”の状態にある統計情報４３を取得する。ここで取得される統計資料４３は、図３のように整った型式を有していない。
図６は、同時分布作成処理手順のフローチャートである。
ステップＳ２０１において、情報処理装置１の同時分布作成部２１は、学習用データ４１及び統計情報４３を取得する。具体的には、同時分布作成部２１は、データベース２から、学習用データ４１、及び、前記した“行政資料”の状態にある統計情報４３を取得する。ここで取得される統計資料４３は、図３のように整った型式を有していない。
【0032】
ステップＳ２０２において、同時分布作成部２１は、変数を指定する。具体的には、第１に、同時分布作成部２１は、学習用データ４１の属性（図２の例では、イベント発生、年齢及び性別）を“変数”として認識する。
第２に、同時分布作成部２１は、各変数における層を認識する。例えば、統計情報４３（行政資料）の年齢が、“０～９”、“１０～１９”、“２０～２９”、・・・のように層分けされているのを認識する。
第３に、同時分布作成部２１は、ステップＳ２０２の“第１”において認識された変数のみを属性とし、ステップＳ２０２の“第２”において認識された各変数の層ごとのレコードを有する、図３の型式の統計情報４３を作成する。このとき、同時分布作成部２１は、行政資料を参照し、イベント発生、性別及び年齢層ごとに、統計情報の例数（図３の欄１１４）を算出する。
第２に、同時分布作成部２１は、各変数における層を認識する。例えば、統計情報４３（行政資料）の年齢が、“０～９”、“１０～１９”、“２０～２９”、・・・のように層分けされているのを認識する。
第３に、同時分布作成部２１は、ステップＳ２０２の“第１”において認識された変数のみを属性とし、ステップＳ２０２の“第２”において認識された各変数の層ごとのレコードを有する、図３の型式の統計情報４３を作成する。このとき、同時分布作成部２１は、行政資料を参照し、イベント発生、性別及び年齢層ごとに、統計情報の例数（図３の欄１１４）を算出する。
【0033】
ステップＳ２０３において、同時分布作成部２１は、同時分布情報３１を作成する。具体的には、第１に、同時分布作成部２１は、ステップＳ２０２の“第３”において作成した統計情報４３（図３）のコピーを作成し、“統計情報の例数”（図３の欄１１４）を“学習用データの例数”に書き換えたうえで、各レコードの統計情報の例数の値を削除する（空白に戻す）。
第２に、同時分布作成部２１は、学習用データ４１を参照し、学習用データの例数（図４の欄１２４）を算出することによって、図４の同時分布情報３１を完成させる。ここで完成した同時分布情報３１は、統計情報４３（図３）と同じ変数を有している。その後、同時分布作成処理手順を終了する。
第２に、同時分布作成部２１は、学習用データ４１を参照し、学習用データの例数（図４の欄１２４）を算出することによって、図４の同時分布情報３１を完成させる。ここで完成した同時分布情報３１は、統計情報４３（図３）と同じ変数を有している。その後、同時分布作成処理手順を終了する。
【0034】
（重み算出処理手順）
図７は、重み算出処理手順のフローチャートである。
ステップＳ２１１において、情報処理装置１の重み算出部２２は、統計情報４３及び同時分布情報３１を取得する。具体的には、重み算出部２２は、ステップＳ２０２の“第３”で作成した統計情報４３、及び、ステップＳ２０３の“第２”において完成した同時分布情報３１を取得する。
図７は、重み算出処理手順のフローチャートである。
ステップＳ２１１において、情報処理装置１の重み算出部２２は、統計情報４３及び同時分布情報３１を取得する。具体的には、重み算出部２２は、ステップＳ２０２の“第３”で作成した統計情報４３、及び、ステップＳ２０３の“第２”において完成した同時分布情報３１を取得する。
【0035】
ステップＳ２１２において、重み算出部２２は、重み情報３２を作成する。具体的には、第１に、重み算出部２２は、ステップＳ２１１において取得した統計情報４３（図３）のコピーを作成し、“統計情報の例数”（図３の欄１１４）を“重み”に書き換えたうえで、各レコードの統計情報の例数の値を削除する（空白に戻す）。
第２に、重み算出部２２は、ステップＳ２１１において取得した統計情報４３の統計情報の例数を、ステップＳ２１１において取得した同時分布情報３１の学習用データの例数で除算し、その結果を“重み”として記憶する。重み算出部２２は、イベント発生、年齢層及び性別の組合せごとに重みを算出することによって、図５の重み情報３２を完成させる。その後、重み算出処理手順を終了する。
第２に、重み算出部２２は、ステップＳ２１１において取得した統計情報４３の統計情報の例数を、ステップＳ２１１において取得した同時分布情報３１の学習用データの例数で除算し、その結果を“重み”として記憶する。重み算出部２２は、イベント発生、年齢層及び性別の組合せごとに重みを算出することによって、図５の重み情報３２を完成させる。その後、重み算出処理手順を終了する。
【0036】
（予測モデル作成処理手順）
図８は、予測モデル処理手順のフローチャートである。
ステップＳ２２１において、情報処理装置１の予測モデル作成部２３は、学習用データ４１及び重み情報３２を取得する。具体的には、予測モデル作成部２３は、データベース２から学習用データ４１を取得するとともに、ステップＳ２１２の“第２に”において完成した重み情報３２を取得する。ここで取得される重み情報３１は、学習用データ４１の偏りを表現している。
図８は、予測モデル処理手順のフローチャートである。
ステップＳ２２１において、情報処理装置１の予測モデル作成部２３は、学習用データ４１及び重み情報３２を取得する。具体的には、予測モデル作成部２３は、データベース２から学習用データ４１を取得するとともに、ステップＳ２１２の“第２に”において完成した重み情報３２を取得する。ここで取得される重み情報３１は、学習用データ４１の偏りを表現している。
【0037】
前記したように例えば、図５のレコード１３５の重みは、“５.０”である。このことは、統計情報４３における“イベント発生”が“０”、であり“年齢”が“２０～２９”であり、かつ、“性別”が“女”である母集団の数が、学習用データ４１におけるそのような標本の数の５倍存在することを示す。すなわち、学習用データ４１が収集された医療施設においては、国等に比して、そのような標本の数が“５分の１”しかなく、換言すれば、そのような標本が“５倍”の希少性を有することを意味する。なお、“５倍”という数値に絶対的な意味があるわけではない。他のレコードにおける重みに比して“５倍”は相対的に突出しており、そのことが偏りを示している。
【0038】
ステップＳ２２２において、予測モデル作成部２３は、第１の弱学習器３４及び第２の弱学習器３５を作成する。具体的には、第１に、予測モデル作成部２３は、以下のように第１の弱学習器３４を学習する。
【0039】
・予測モデル作成部２３は、学習用データ４１をそのまま使用して数理モデルを機械学習し、最適化された数理モデルを第１の弱学習器３４とする。
・ここでの数理モデルは、年齢及び性別を説明変数とし、イベント発生を目的変数とする数理モデルであり、各説明変数に乗算される係数を有するものであってもよい。この場合、各係数が最適化される。
・さらに、ここでの数理モデルは、入力層、複数の中間層及び出力層を有するニューラルネットワークであってもよい。この場合、あるノードの情報を次の層のどのノードにどれだけ伝搬するかを決める重みベクトル（図５の欄１３４の重みとは別の概念）が最適化される。
・ここでの数理モデルは、年齢及び性別を説明変数とし、イベント発生を目的変数とする数理モデルであり、各説明変数に乗算される係数を有するものであってもよい。この場合、各係数が最適化される。
・さらに、ここでの数理モデルは、入力層、複数の中間層及び出力層を有するニューラルネットワークであってもよい。この場合、あるノードの情報を次の層のどのノードにどれだけ伝搬するかを決める重みベクトル（図５の欄１３４の重みとは別の概念）が最適化される。
【0040】
第２に、予測モデル作成部２３は、以下のように第２の弱学習器３５を学習する。
・予測モデル作成部２３は、図５の重みに従って学習用データ４１のレコード（標本）をコピー（複写）する。例えば、予測モデル作成部２３は、図５のレコード１３５に対応して、学習用データ４１のレコードのうち、年齢が“２０～２９”であり、かつ、性別が“女”であるものを５倍に増やす。
・予測モデル作成部２３は、同様にして、図５の他の全てのレコードについて、そのレコードに対応する学習用データ４１のレコード（標本）を、重みが示す倍数に増やす。
・予測モデル作成部２３は、このようにしてレコードの数が修正された後の学習用データ４１を使用して前記の数理モデルを機械学習し、最適化された数理モデルを第２の弱学習器３５とする。
第１の弱学習器３４に比して、第２の弱学習器３５は、予測精度が高い。
・予測モデル作成部２３は、図５の重みに従って学習用データ４１のレコード（標本）をコピー（複写）する。例えば、予測モデル作成部２３は、図５のレコード１３５に対応して、学習用データ４１のレコードのうち、年齢が“２０～２９”であり、かつ、性別が“女”であるものを５倍に増やす。
・予測モデル作成部２３は、同様にして、図５の他の全てのレコードについて、そのレコードに対応する学習用データ４１のレコード（標本）を、重みが示す倍数に増やす。
・予測モデル作成部２３は、このようにしてレコードの数が修正された後の学習用データ４１を使用して前記の数理モデルを機械学習し、最適化された数理モデルを第２の弱学習器３５とする。
第１の弱学習器３４に比して、第２の弱学習器３５は、予測精度が高い。
【0041】
修正後の学習用データ４１のレコード数が極端に増加すると、それを使用して数理モデルを機械学習する処理に時間を要する。そこで例えば図５のレコード１３５の重みが“５０.０”であり、レコード１３６の重みが“２０.０”であったとする。この場合、予測モデル作成部２３は、レコード１３５に対応する学習用データ４１のレコードを５０倍にコピーし、レコード１３６に対応する学習用データ４１のレコードを２０倍にコピーするには及ばない。予測モデル作成部２３は、例えば、レコード１３５に対応する学習用データ４１のレコードを５倍にコピーし、レコード１３６に対応する学習用データ４１のレコードを２倍にコピーすればよい（制限的コピー）。
【0042】
ステップＳ２２３において、予測モデル作成部２３は、アンサンブルモデル３３を作成する。具体的には、予測モデル作成部２３は、第１の弱学習器３４及び第２の弱学習器３５を有するアンサンブルモデル３３を作成する。前記したように、アンサンブルモデルとは、それを構成する弱学習器の出力結果を“多数決的”に採用するモデルである。その後、予測モデル作成処理手順を終了する。
【0043】
（出力処理手順）
図９は、出力処理手順のフローチャートである。
ステップＳ２３１において、情報処理装置１の出力処理部２４は、予測用データ４２を取得する。具体的には、出力処理部２４は、データベース２から予測用データ４２を取得する。予測用データ４２は、学習用データ４１（図２）と同じ構成を有する。しかしながら、予測用データ４２のイベント発生欄は、空白である。つまり、学習用データ４１が、イベント発生が既知である“教師付き学習データ”（過去の標本）であるのに対し、予測用データ４２は、イベント発生が未知である現在の標本である。多くの場合、予測用データ４２は、特定の医療施設以外の他の医療施設から収集される。
図９は、出力処理手順のフローチャートである。
ステップＳ２３１において、情報処理装置１の出力処理部２４は、予測用データ４２を取得する。具体的には、出力処理部２４は、データベース２から予測用データ４２を取得する。予測用データ４２は、学習用データ４１（図２）と同じ構成を有する。しかしながら、予測用データ４２のイベント発生欄は、空白である。つまり、学習用データ４１が、イベント発生が既知である“教師付き学習データ”（過去の標本）であるのに対し、予測用データ４２は、イベント発生が未知である現在の標本である。多くの場合、予測用データ４２は、特定の医療施設以外の他の医療施設から収集される。
【0044】
ステップＳ２３２において、出力処理部２４は、イベント発生の予測結果を表示する。具体的には、第１に、出力処理部２４は、ユーザが指定する年齢及び性別の組合せを予測用データとして予測モデル３３に入力し、予測モデル３３の出力としてのイベント発生を取得する。ここで出力処理部２４は、ユーザが指定する年齢及び性別の組合せを第１の弱学習器３４のみに入力してもよいし、第２の弱学習器３５のみに入力してもよい。
第２に、出力処理部２４は、出力装置１３に表示画面５１（詳細後記）を表示する。その後、出力処理手順を終了する。
第２に、出力処理部２４は、出力装置１３に表示画面５１（詳細後記）を表示する。その後、出力処理手順を終了する。
【0045】
（表示画面）
図１０は、表示画面５１の一例である。いま、ユーザは、以下を希望している。
・過去において、特定の疾病に罹患しなかった男性の人数を、年齢層ごとに視認したい。
・その人数を、特定の医療施設と、国民等の母集団とで比較したい。
図１０は、表示画面５１の一例である。いま、ユーザは、以下を希望している。
・過去において、特定の疾病に罹患しなかった男性の人数を、年齢層ごとに視認したい。
・その人数を、特定の医療施設と、国民等の母集団とで比較したい。
【0046】
そこで、ユーザは、グラフ表示欄５２のうち表示情報欄５３の横軸欄５８に“年齢”を入力し、凡例欄５９に“イベント発生：０ 性別：男”を入力し、グラフ表示実行ボタン５５を押下する。すると出力処理部２４は、年齢層を横軸とし、標本数を縦軸とするグラフ５４上に、折れ線５６及び折れ線５７を比較可能に表示する。折れ線５６は、統計情報の例数を示し、折れ線５７は、学習用データの例数を示す。図１０では、単純化のために縦軸の目盛りを１つに統一しているが、出力処理部２４は、折れ線５７用の目盛り（桁が小さい）とは別に、折れ線５６用の目盛り（桁が大きい）を表示してもよい。
【0047】
さらにユーザは、以下を希望している。
・他の医療施設から収集した現在の予測用データのうち、年齢層が“３０～３９”である女性についてのイベント発生を予測したい。
・アンサンブルモデル３３を使用してイベント発生を予測したい。
・他の医療施設から収集した現在の予測用データのうち、年齢層が“３０～３９”である女性についてのイベント発生を予測したい。
・アンサンブルモデル３３を使用してイベント発生を予測したい。
【0048】
そこで、ユーザは、予測用データとして、分析欄６１のうち予測用データ欄６２の年齢欄６３に“３０～３９”を入力し、性別欄６４に“女”を入力し、予測モデル欄６５に“アンサンブル”を入力し、分析実行ボタン６６を押下する。すると、出力処理部２４は、イベント発生の予測結果欄６７に予測結果を表示し、予測結果の説明欄６８に予測結果の説明を表示する。
【0049】
これらの表示例から、出力処理部２４は、以下の処理を行うことがわかる。
・出力処理部２４は、第１の弱学習器３４及び第２の弱学習器３５を有するアンサンブルモデル３３に対して、年齢“３０～３９”及び性別“女”を入力した。
・第１の弱学習器３４は、イベント発生“１”を出力した。
・第２の弱学習器３５も、イベント発生“１”を出力した。
・アンサンブルモデル３３は、これらの出力を多数決し、イベント発生“１”を出力した。イベント発生の予測結果欄６７の“Ｃ”は、多数決後の出力“１”に対応している。
・出力処理部２４は、第１の弱学習器３４及び第２の弱学習器３５を有するアンサンブルモデル３３に対して、年齢“３０～３９”及び性別“女”を入力した。
・第１の弱学習器３４は、イベント発生“１”を出力した。
・第２の弱学習器３５も、イベント発生“１”を出力した。
・アンサンブルモデル３３は、これらの出力を多数決し、イベント発生“１”を出力した。イベント発生の予測結果欄６７の“Ｃ”は、多数決後の出力“１”に対応している。
【0050】
ちなみに、第１の弱学習器３４及び第２の弱学習器３５の両者がイベント発生“０”を出力した場合、アンサンブルモデル３３は、多数決の結果、イベント発生“０”を出力する。すると出力処理部２４は、イベント発生の予測結果欄６７に“Ａ”を表示する。第１の弱学習器３４及び第２の弱学習器３５のどちらか一方がイベント発生“０”を出力し、他方がイベント発生“１”を出力した場合、アンサンブルモデル３３は、多数決の結果、“同数競合”を出力する。すると出力処理部２４は、イベント発生の予測結果欄６７に“Ｂ”を表示する。
【0051】
図１０の例では、ユーザは、アンサンブルモデルを使用することを希望した。しかしながら、ユーザは、第１の弱学習器のみを使用することを希望できるし、第２の弱学習器のみを使用することも希望できる。結局、これらの希望に応じて、出力表示部２４は、ユーザの選択に基づいて、第１の弱学習器のみを使用して、第２の弱学習器のみを使用して、又は、前記アンサンブルモデルを使用して前記予測結果を出力することができる。
【0052】
（重みを使用して学習用データを修正する意義）
始めから統計情報４３（図３）を学習用データとして数理モデルを機械学習することも当然に可能である。しかしながら、特定の単一の医療施設から収集された学習用データに偏りがあることは、事後的にわかる場合が多い。また、特定の単一の医療施設から収集された学習用データを使用して機械学習した数理モデルが既に存在しており、専ら当該医療施設から収集された標本に対する予測のために、当該機械学習済の数理モデルを引き続き使用したい場合もある。さらに、情報量が膨大である統計情報４３を使用して機械学習を行う処理よりは、前記したように、統計情報４３を単純にソートし層ごとの例数を除算して重みを算出し、学習用データを制限的にコピーする処理の方が単純である。
始めから統計情報４３（図３）を学習用データとして数理モデルを機械学習することも当然に可能である。しかしながら、特定の単一の医療施設から収集された学習用データに偏りがあることは、事後的にわかる場合が多い。また、特定の単一の医療施設から収集された学習用データを使用して機械学習した数理モデルが既に存在しており、専ら当該医療施設から収集された標本に対する予測のために、当該機械学習済の数理モデルを引き続き使用したい場合もある。さらに、情報量が膨大である統計情報４３を使用して機械学習を行う処理よりは、前記したように、統計情報４３を単純にソートし層ごとの例数を除算して重みを算出し、学習用データを制限的にコピーする処理の方が単純である。
【0053】
（本実施形態の効果）
本実施形態の情報処理装置の効果は以下の通りである。
（１）情報処理装置は、学習用データの母集団に対する偏りに基づき、学習用データを修正することができる。
（２）情報処理装置は、医療施設における標本の偏りを修正することができる。
（３）情報処理装置は、コピーという簡便な方法で学習用データを修正することができる。
（４）情報処理装置は、予測精度が高いアンサンブルモデルを使用することができる。
（５）情報処理装置は、ユーザがアンサンブルモデルの使用を選択することを可能にする。
（６）情報処理装置は、学習用データの母集団に対する偏りを比較可能に表示することができる。
本実施形態の情報処理装置の効果は以下の通りである。
（１）情報処理装置は、学習用データの母集団に対する偏りに基づき、学習用データを修正することができる。
（２）情報処理装置は、医療施設における標本の偏りを修正することができる。
（３）情報処理装置は、コピーという簡便な方法で学習用データを修正することができる。
（４）情報処理装置は、予測精度が高いアンサンブルモデルを使用することができる。
（５）情報処理装置は、ユーザがアンサンブルモデルの使用を選択することを可能にする。
（６）情報処理装置は、学習用データの母集団に対する偏りを比較可能に表示することができる。
【0054】
なお、本発明は前記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、前記した実施例は、本発明を分かり易く説明するために詳細に説明したものであり、必ずしも説明したすべての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。
【0055】
また、前記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウエアで実現してもよい。また、前記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウエアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（Solid State Drive）等の記録装置、又は、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。
また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしもすべての制御線や情報線を示しているとは限らない。実際には殆どすべての構成が相互に接続されていると考えてもよい。
また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしもすべての制御線や情報線を示しているとは限らない。実際には殆どすべての構成が相互に接続されていると考えてもよい。
【符号の説明】
【0056】
１ 情報処理装置
２ データベース
３ ネットワーク
１１ 中央制御装置
１２ 入力装置
１３ 出力装置
１４ 主記憶装置
１５ 補助記憶装置
１６ 通信装置
２１ 同時分布作成部
２２ 重み算出部
２３ 予測モデル作成部
２４ 出力処理部
３１ 同時分布情報
３２ 重み情報
３３ 予測モデル（アンサンブルモデル）
３４ 第１の弱学習器
３５ 第２の弱学習器
４１ 学習用データ
４２ 予測用データ
４３ 統計情報
５１ 表示画面
２ データベース
３ ネットワーク
１１ 中央制御装置
１２ 入力装置
１３ 出力装置
１４ 主記憶装置
１５ 補助記憶装置
１６ 通信装置
２１ 同時分布作成部
２２ 重み算出部
２３ 予測モデル作成部
２４ 出力処理部
３１ 同時分布情報
３２ 重み情報
３３ 予測モデル（アンサンブルモデル）
３４ 第１の弱学習器
３５ 第２の弱学習器
４１ 学習用データ
４２ 予測用データ
４３ 統計情報
５１ 表示画面
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】