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】P2023127957
(43)【公開日】2023-09-14
(54)【発明の名称】予測器作成支援システム及び予測器作成支援方法
(51)【国際特許分類】
G06Q 10/04 20230101AFI20230907BHJP
【ＦＩ】
G06Q10/04
【審査請求】未請求
【請求項の数】10
【出願形態】ＯＬ
(21)【出願番号】P 2022031957
(22)【出願日】2022-03-02
(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】110000279
【氏名又は名称】弁理士法人ウィルフォート国際特許事務所
(72)【発明者】
【氏名】濱本 真生
(72)【発明者】
【氏名】難波 博之
(72)【発明者】
【氏名】恵木 正史
【テーマコード（参考）】
5L049
【Ｆターム（参考）】
5L049AA04
(57)【要約】
【課題】予測器による予測で使用されている予測式の妥当性を判断することが可能な予測器作成支援システムを提供する。
【解決手段】、予測器作成部１１０は、予測対象データ１１に基づく対象予測器と、検証用データ１２に基づく検証用予測器とを作成する。成分分解部１２０は、対象予測器を、予測対象データ１１に含まれる第１の説明変数の組み合わせのそれぞれに対応する複数の第１の成分に分解し、検証用予測器を、検証用データ１２に含まれる第２の説明変数の組み合わせのそれぞれに対応する複数の第１の成分に分解する。妥当性分析部１３０は、互いに対応する第１の成分及び第２の成分ごとに、第１の成分と第２の成分との一致度を評価した妥当性分析情報１３１を生成する。予測式推定部は、妥当性分析情報１３１に応じて選択された選択成分に基づいて、対象予測器の予測式を推定する。
【選択図】図１
【解決手段】、予測器作成部１１０は、予測対象データ１１に基づく対象予測器と、検証用データ１２に基づく検証用予測器とを作成する。成分分解部１２０は、対象予測器を、予測対象データ１１に含まれる第１の説明変数の組み合わせのそれぞれに対応する複数の第１の成分に分解し、検証用予測器を、検証用データ１２に含まれる第２の説明変数の組み合わせのそれぞれに対応する複数の第１の成分に分解する。妥当性分析部１３０は、互いに対応する第１の成分及び第２の成分ごとに、第１の成分と第２の成分との一致度を評価した妥当性分析情報１３１を生成する。予測式推定部は、妥当性分析情報１３１に応じて選択された選択成分に基づいて、対象予測器の予測式を推定する。
【選択図】図１
【特許請求の範囲】
【請求項1】
予測器の作成を支援する予測器作成支援システムであって、
第１のデータセットに基づく第１の予測器と、第２のデータセットに基づく第２の予測器とを作成する予測器作成部と、
前記第１の予測器を、前記第１のデータセットに含まれる第１の説明変数の組み合わせのそれぞれに対応する複数の第１の成分に分解し、かつ、前記第２の予測器を、前記第２のデータセットに含まれる第２の説明変数の組み合わせのそれぞれに対応する複数の第２の成分に分解する成分分解部と、
互いに対応する前記第１の成分及び前記第２の成分ごとに、前記第１の成分と前記第２の成分との一致度を評価した評価情報を生成する評価部と、
前記評価情報に応じて選択された前記第１の成分である選択成分に基づいて、前記第１の予測器による予測に使用されている予測式を推定する予測式推定部と、を有する予測器作成支援システム。
第１のデータセットに基づく第１の予測器と、第２のデータセットに基づく第２の予測器とを作成する予測器作成部と、
前記第１の予測器を、前記第１のデータセットに含まれる第１の説明変数の組み合わせのそれぞれに対応する複数の第１の成分に分解し、かつ、前記第２の予測器を、前記第２のデータセットに含まれる第２の説明変数の組み合わせのそれぞれに対応する複数の第２の成分に分解する成分分解部と、
互いに対応する前記第１の成分及び前記第２の成分ごとに、前記第１の成分と前記第２の成分との一致度を評価した評価情報を生成する評価部と、
前記評価情報に応じて選択された前記第１の成分である選択成分に基づいて、前記第１の予測器による予測に使用されている予測式を推定する予測式推定部と、を有する予測器作成支援システム。
【請求項2】
前記評価情報を提示し、前記評価情報に応じて指定された前記第１の成分を前記選択成分として選択する成分選択部をさらに有する、請求項１に記載の予測器作成支援システム。
【請求項3】
前記評価部は、前記第１の成分及び前記第２の成分の特性の傾向を求め、当該傾向に基づいて、前記評価情報を生成する、請求項１に記載の予測器作成支援システム。
【請求項4】
前記評価部は、前記第１の成分及び前記第２の成分の特性の傾向が一致しているか否かを示す前記評価情報を生成する、請求項３に記載の予測器作成支援システム。
【請求項5】
前記評価部は、前記第１の成分及び前記第２の成分のそれぞれに対して、予め用意された複数の関数を用いてパラメータフィッティングを行って、前記第１の成分及び前記第２の成分のそれぞれを表す成分関数を求め、当該成分関数に基づいて、前記特性の傾向を求める、請求項３に記載の予測器作成支援システム。
【請求項6】
前記評価部は、前記第１の成分及び前記第２の成分の相関係数に基づいて、前記評価情報を生成する、請求項１に記載の予測器作成支援システム。
【請求項7】
前記成分分解部は、前記第１の説明変数の定義域と前記第２の説明変数の定義域とに応じた定義域の第３の説明変数を有する第３のデータセットに基づいて、前記第１の成分及び前記第２の成分に分解する、請求項１に記載の予測器作成支援システム。
【請求項8】
前記予測器作成部は、前記第２のデータセットに含まれる変数から前記第１の説明変数に対応する変数を指定する指定情報を受け付け、当該指定情報にて指定された変数を前記第２の説明変数とする、請求項１に記載の予測器作成支援システム。
【請求項9】
前記評価部は、各第１の成分について前記第１の予測器による予測値に対する影響度を算出し、
前記成分選択部は、前記影響度に応じた表示形式で前記評価情報を提示する、請求項２に記載の予測器作成支援システム。
前記成分選択部は、前記影響度に応じた表示形式で前記評価情報を提示する、請求項２に記載の予測器作成支援システム。
【請求項10】
予測器の作成を支援する予測器作成支援システムによる予測器作成支援方法であって、
第１のデータセットに基づく第１の予測器と、第２のデータセットに基づく第２の予測器とを作成し、
前記第１の予測器を、前記第１のデータセットに含まれる第１の説明変数の組み合わせのそれぞれに対応する複数の第１の成分に分解し、かつ、前記第２の予測器を、前記第２のデータセットに含まれる第２の説明変数の組み合わせのそれぞれに対応する複数の第２の成分に分解し、
互いに対応する前記第１の成分及び前記第２の成分ごとに、前記第１の成分と前記第２の成分との一致度を評価した評価情報を生成し、
前記評価情報に応じて選択された前記第１の成分である選択成分に基づいて、前記第１の予測器による予測に使用されている予測式を推定する、予測器作成支援システム。
第１のデータセットに基づく第１の予測器と、第２のデータセットに基づく第２の予測器とを作成し、
前記第１の予測器を、前記第１のデータセットに含まれる第１の説明変数の組み合わせのそれぞれに対応する複数の第１の成分に分解し、かつ、前記第２の予測器を、前記第２のデータセットに含まれる第２の説明変数の組み合わせのそれぞれに対応する複数の第２の成分に分解し、
互いに対応する前記第１の成分及び前記第２の成分ごとに、前記第１の成分と前記第２の成分との一致度を評価した評価情報を生成し、
前記評価情報に応じて選択された前記第１の成分である選択成分に基づいて、前記第１の予測器による予測に使用されている予測式を推定する、予測器作成支援システム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、予測器作成支援システム及び予測器作成支援方法に関する。
【背景技術】
【0002】
近年、人工知能（ＡＩ：Artificial Intelligence）技術が様々な業務に応用されている。例えば、実験で得られたデータセットを機械学習して生成した予測器を用いて新材料の最適な配合が探索されたり、社会における最適な施策が探索されたりしている。このような予測器で使用されている規則を表す予測式は、複雑な事象に潜む法則に関する形式知として有用である。
【0003】
非特許文献１及び特許文献１には、予測器の生成に使用したデータセットから予測式を算出する技術が開示されている。非特許文献１に記載の技術では、データセットを予測値に対する主効果の成分と交互効果の成分とに分解し、各成分を表す３次スプライン関数のような一般化加法モデルが予測式として算出される。また、特許文献１に記載の技術では、ニューラルネットがデータセットから学習した規則を、利用者にて解釈可能な決定木モデルに変換して予測式として算出する技術が開示されている。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２００２－１０９５０８号公報
【非特許文献】
【0005】
【非特許文献1】Yin Lou, Rich Caruana, Johannes Gehrke, Giles Hooker,「Accurate Intelligible Models which Pairwise Interactions」,Proceedings of the 19th ACM SIGKDD international conference on Knowledge discovery and data mining(KDD’13), ２０１３年８月.
【発明の概要】
【発明が解決しようとする課題】
【0006】
しかしながら、非特許文献１及び特許文献１に記載の技術では、データセットのデータ量が十分でない場合、機械学習により生成された予測器に不備が生じたり、データセット自体のノイズの影響を強く受けたりすることがある。このような場合には、算出された予測式の妥当性が判断できないことがある。
【0007】
本発明の目的は、予測器による予測で使用されている予測式の妥当性を判断することが可能な予測器作成支援システム及び予測器作成支援方法を提供することである。
【課題を解決するための手段】
【0008】
本開示の一態様に従う予測式作成支援システムは、予測器の作成を支援する予測器作成支援システムであって、第１のデータセットに基づく第１の予測器と、第２のデータセットに基づく第２の予測器とを作成する予測器作成部と、前記第１の予測器を、前記第１のデータセットに含まれる第１の説明変数の組み合わせのそれぞれに対応する複数の第１の成分に分解し、かつ、前記第２の予測器を、前記第２のデータセットに含まれる第２の説明変数の組み合わせのそれぞれに対応する複数の第２の成分に分解する成分分解部と、互いに対応する前記第１の成分及び前記第２の成分ごとに、前記第１の成分と前記第２の成分との一致度を評価した評価情報を生成する評価部と、前記評価情報に応じて選択された前記第１の成分である選択成分に基づいて、前記第１の予測器による予測に使用されている予測式を推定する予測式推定部と、を有する。
【発明の効果】
【0009】
本発明によれば、予測器による予測で使用されている予測式の妥当性を判断することが可能になる。
【図面の簡単な説明】
【0010】
【図1】本開示の実施例に係る予測式作成支援システムの構成例を示す図である。
【図2】妥当性分析部の構成例を示す図である。
【図3】関数テンプレートテーブルの一例を示す図である。
【図4】探索用関数テンプレートテーブルの一例を示す図である。
【図5】予測式作成支援システムの動作の例を説明するためのフローチャートである。
【図6】ユーザ画面の一例を示す図である。
【図7】成分傾向分析処理の一例を説明するためのフローチャートである。
【図8】成分分解用データセットを生成する一例を説明するための図である。
【図9】成分データ管理テーブルの一例を示す図である。
【図10】傾向分析処理の一例を説明するための図である。
【図11】傾向比較情報の一例を示す図である。
【図12】ユーザ画面の一例を示す図である。
【図13】ユーザ画面の一例を示す図である。
【図14】ユーザ画面の一例を示す図である。
【図15】妥当性裏付け情報の一例を示す図である。
【発明を実施するための形態】
【0011】
以下、本開示の実施例について図面を参照して説明する。
【実施例0012】
図１は、本開示の実施例に係る予測式作成支援システムの構成例を示す図である。なお、予測式作成支援システム１０は、例えば、プロセッサ（コンピュータ）及びメモリ（共に図示せず）を備えたコンピュータシステムにより構成される。この場合、以下で各構成要素及び各機能の少なくとも一部は、例えば、プロセッサがプログラムを読み取り、その読み取ったプログラムを実行することで実現される。プログラムは、メモリのようなコンピュータにて読み取り可能な記録媒体に記録可能である。また、予測式作成支援システム１０は、キーボード、タッチパネル及びポインティングデバイスのような利用者から種々の情報を受け付ける入力装置、ディスプレイ装置及びプリンタのような利用者に対して種々の情報を出力する出力装置、及び、インターネットなどの通信網を介して種々の情報の送受信を行うネットワークインタフェース装置などと接続されてもよい。
【0013】
図１に示す予測式作成支援システム１０は、データ読込み部１００と、予測器作成部１１０と、成分分解部１２０と、妥当性分析部１３０と、成分選択部１４０と、予測式探索部１５０と、予測式作成部１６０と、残差生成部１７０とを有する。
【0014】
データ読込み部１００は、予測対象データ１１及び検証用データ１２を読み込み、その読み込んだ予測対象データ１１及び検証用データ１２のそれぞれについて、説明変数と目的変数とを選択する。また、データ読込み部１００は、予測対象データ１１の説明変数及び目的変数と検証用データ１２の説明変数及び目的変数との対応関係を定義する。
【0015】
予測対象データ１１は、予測器を生成するための第１のデータセットであり、検証用データ１２は、予測器で使用される予測式（予測器で使用される規則を表す予測式）の妥当性を検証するための第２のデータセットである。予測対象データ１１及び検証用データ１２は、本実施例では、説明変数及び目的変数として決定可能な複数の変数を含むデータセットである。なお、検証用データ１２は、予測対象データ１０１の説明変数として選択された変数の少なくとも一部と、予測対象データ１０１の目的変数として選択された変数とに対応する変数を有するものとする。
【0016】
データ読込み部１００は、予測対象データ１１の説明変数及び目的変数を予測対象データ１０１として予測器作成部１１０及び残差生成部１７０に出力する。また、データ読込み部１００は、検証用データ１２の説明変数及び目的変数を、検証用データ１０２として妥当性分析部１３０に出力する。
【0017】
予測器作成部１１０は、予測対象データ１０１と所定の機械学習モデルとを用いて第１の予測器である対象予測器を作成し、その対象予測器の予測精度を算出する。予測器作成部１１０は、対象予測器及び予測精度を予測器情報１１１として成分分解部１２０に出力する。所定の機械学習モデルは、特に限定されないが、例えば、ＸＧＢｏｏｓｔ又はニューラルネットワークのような教師あり学習モデルである。
【0018】
成分分解部１２０は、予測器情報１１１に基づいて、対象予測器に対する成分分解処理及び成分分析処理を行い、それらの処理結果を成分情報１２１として妥当性分析部１３０に出力する。
【0019】
成分分解処理は、対象予測器を、説明変数の組み合わせごとの寄与を示す成分（第１の成分）に加法分解する処理である。成分分解処理を行うアルゴリズムは、特に限定されず、例えば、シャープレイ分解（Shapley decomposition）、ｆｕｎｃｔｉｏｎａｌ ＡＮＯＶＡ又はＧＡ２Ｍなどである。
【0020】
ここで、説明変数の組み合わせは、単一の説明変数からなる組み合わせも含む。以下では、単一の説明変数に対応する成分を、主効果成分又は主効果の成分と呼ぶこともあり、複数の説明変数の組み合わせに対応する成分を交互効果成分又は交互効果の成分と呼ぶこともある。また、単一の説明変数に対応する成分を１次の成分、２つの説明変数の組み合わせに対応する成分を２次の成分、３つの説明変数の組み合わせに対応する成分を３次の成分などと呼ぶこともある。
【0021】
成分分析処理は、成分分解処理にて分解された各成分が予測値に与える影響度を算出する処理である。影響度は、後述するように、予測式に反映する成分を利用者が判断するために使用され得る。
【0022】
妥当性分析部１３０は、成分情報１２１及び検証用データ１０２に基づいて、成分情報１２１に含まれる各成分の妥当性を評価した妥当性分析情報１３１を生成して成分選択部１４０に出力する。
【0023】
図２は、妥当性分析部１３０の構成例を示す図である。図２に示す妥当性分析部１３０は、傾向分析部２１０と、予測器作成部２２０と、成分分解部２３０と、傾向分析部２４０と、傾向比較部２５０とを有する。予測器作成部２２０、成分分解部２３０及び傾向分析部２４０は、それぞれ予測器作成部１１０、成分分解部１２０及び傾向分析部２１０と同一の構成である。
【0024】
傾向分析部２１０は、成分情報１２１に含まれる各成分の特性の傾向を分析し、その傾向を示す傾向情報２１１を生成して傾向比較部２５０に出力する。
【0025】
具体的には、傾向分析部２１０は、先ず、成分情報１２１に含まれる成分ごとに、その成分と予め用意した複数の関数テンプレートのそれぞれとのフィッティング（パラメータフィッティング）を行い、各成分の特性の傾向を表す関数テンプレートとその関数テンプレートの係数（パラメータ）とで定義される成分関数を求める。続いて、傾向分析部２１０は、成分関数に基づいて、各成分の特性の傾向として、詳細傾向と概略傾向とを示す傾向情報２１１を生成する。概略傾向は、詳細傾向と比べて巨視的な視点における特性の傾向を示す情報であり、本実施例では、成分関数が増加傾向か減少傾向かを示す増減傾向である。複数の関数テンプレートは、本実施例では、関数テンプレートテーブルとして傾向分析部２１０に予め保持されている。
【0026】
【0027】
フィールド３１０は、関数テンプレートを識別するための識別情報であるテンプレートＩＤを格納する。フィールド３２０は、関数テンプレートを格納する。例えば、テンプレートＩＤが「Ｔ１」の関数テンプレートは「ａ＊Ｘ＋ｂ」であり、ａ及びｂが係数である。フィールド３３０は、成分関数の係数から傾向情報を判定するための判定条件を格納する。フィールド３４０は、判定条件に応じた詳細傾向を格納する。フィールド３５０は、判定条件に応じた概略傾向である増減傾向を格納する
【0028】
分析対象の成分の説明変数をＸとした場合、分析対象の成分のデータとの誤差が最も小さくなる係数を求める処理がフィッティングと呼ばれる処理である。傾向分析部２１０は、上記の誤差が最も小さくなる関数テンプレート及びその係数を成分関数として求め、その計数と判定条件とに基づいて、詳細傾向及び増減傾向を求める
【0029】
なお、詳細傾向は、例えば、線形的に増加する「線形増加」、線形的に減少する「線形減少」、０に収束する「減衰」、０以外の所定の値に収束する「飽和」、線形よりも速い速度で正の値に発散する「正に発散」、線形よりも速い速度で負の値に発散する「負に発散」などを示す。
【0030】
図２の説明に戻る。予測器作成部２２０は、検証用データ１０２と所定の機械学習モデルを用いて第２の予測器である検証用予測器を作成し、その検証用予測器の予測精度を算出する。予測器作成部２２０は作成した検証用予測器及び予測精度を予測器情報２２１として成分分解部２３０に出力する。所定の機械学習モデルは、予測器作成部１１０が対象予測器を作成した際に使用した機械学習モデルと同じである。
【0031】
成分分解部２３０は、予測器情報２２１に基づいて、検証用予測器に対する成分分解処理及び成分分析処理を行い、それらの処理結果を成分情報２３１として傾向分析部２４０に出力する。
【0032】
傾向分析部２４０は、成分情報２３１に含まれる各成分の特性の傾向を分析し、その傾向を示す傾向情報２４１を生成して傾向比較部２５０に出力する。
【0033】
傾向比較部２５０は、傾向情報２１１及び傾向情報２４１に含まれる各成分の特性の傾向を比較し、各成分の特性の一致度を各成分の一致度として評価し、その評価結果を示す評価情報を妥当性分析情報１３１として生成して成分選択部１４０に出力する。なお、傾向分析部２１０、２４０及び傾向比較部２５０は、各成分の一致度を評価した評価情報を生成する評価部を構成する。
【0034】
図１の説明に戻る。成分選択部１４０は、妥当性分析情報１３１を可視化した分析可視化情報１４１を生成して利用者に提示する。また、成分選択部１４０は、利用者から、分析可視化情報１４１に応じて、対象予測器の予測式の推定に反映する成分である予測式対象成分を指定する成分選択情報１０３を受け付け、その成分選択情報１０３に基づいて、予測式対象成分を選択する。成分選択部１４０は、予測式対象成分を示す選択成分情報１４２を生成して予測式探索部１５０に出力する。
【0035】
予測式探索部１５０及び予測式作成部１６０は、選択成分情報１４２に含まれる予測式対象成分に基づいて、対象予測器よる予測に使用されている予測式を推定する予測式推定部を構成する。
【0036】
予測式探索部１５０は、選択成分情報１４２に含まれる予測式対象成分ごとに、その予測式対象成分と予め用意した複数の探索用関数テンプレートのそれぞれとのフィッティングを行い、各予測式対象成分を表す予測式を部分予測式として求める。予測式探索部１５０は、その部分予測式を示す部分予測式情報１５１を生成して予測式作成部１６０に出力する。複数の探索用関数テンプレートは、本実施例では、探索用関数テンプレートテーブルとして予測式探索部１５０に予め保持されている。
【0037】
図４は、探索用関数テンプレートテーブル４００の一例を示す図である。図４に示す探索用関数テンプレートテーブル４００は、フィールド４１０～４２０を有する。フィールド４１０は、探索用関数テンプレートを識別するための識別情報であるテンプレートＩＤを格納する。フィールド４２０は、探索用関数テンプレートを格納する。予測式探索部１５０は、傾向分析部２１０と同様に、選択成分情報１４２に含まれる予測式対象成分ごとにフィッティングを行い、誤差が最も小さくなる探索用関数テンプレート及びその係数を部分予測式として求める。
【0038】
図１の説明に戻る。予測式作成部１６０は、部分予測式情報１５１に基づいて、対象予測器よる予測に使用されている予測式を推定した推定予測式を生成し、その推定予測式を示す予測式情報１６１を残差生成部１７０に出力する。具体的には、予測式作成部１６０は、部分予測式情報１５１が生成されるたびに、部分予測式情報１５１にて示される部分予測式を加算することで、推定予測式を生成する。つまり、予測式作成部１６０は、今まで得られた推定予測式に新たに生成された部分予測式情報１５１にて示される部分予測式を加えることで、推定予測式を生成（更新）する。
【0039】
残差生成部１７０は、予測対象データ１０１の目的変数と予測式情報１６１の予測値との差分である予測残差を算出し、その予測残差を示す残差情報７１１を、新たな目的変数として予測器作成部１１０に出力する。
【0040】
図５は、予測式作成支援システム１０の動作例を説明するためのフローチャートである。
先ず、データ読込み部１００は、利用者からの指示に応じて、予測対象データ１１及び検証用データ１２の読み込みと、予測対象データ１１及び検証用データ１２のそれぞれにおける説明変数及び目的変数の決定とを行う（ステップＳ５１０）。
先ず、データ読込み部１００は、利用者からの指示に応じて、予測対象データ１１及び検証用データ１２の読み込みと、予測対象データ１１及び検証用データ１２のそれぞれにおける説明変数及び目的変数の決定とを行う（ステップＳ５１０）。
【0041】
図６は、ユーザがデータ読込み部１００に指示するためのユーザ画面である読込み指示画面の一例を示す図である。図６に示す読込み指示画面６００は、予測対象データ設定部６１０、検証用データ設定部６２０、検証用データ追加部６３０及び分析実行トリガ６４０を含む。
【0042】
予測対象データ設定部６１０は、予測対象データ１１に対する目的変数、説明変数及び分析次数を設定する設定部であり、ファイル選択部６１１、ファイル名表示部６１２、変数名表示部６１３、目的変数設定部６１４、説明変数設定部６１５、分析次数設定部６１６及び説明変数選択ボタン６１７を含む。
【0043】
ファイル選択部６１１は、利用者が予測対象データ１１を含むファイルを選択するためのインタフェースである。ファイル名表示部６１２は、ファイル選択部６１１にて選択されたファイルのファイル名を表示する。変数名表示部６１３は、ファイル選択部６１１にて選択されたファイルに含まれる予測対象データ１１の変数の変数名を表示する。
【0044】
目的変数設定部６１４は、変数名表示部６１３にて変数名の変数から目的変数を設定するためのインタフェースであり、ここでは、変数名が表示させているセルが操作（例えば、クリック）されることでその変数名の変数が目的変数として設定される。図の例では、変数ｘ４が目的変数として設定されている。
【0045】
説明変数設定部６１５は、変数名表示部６１３にて変数名の変数から説明変数を設定するためのインタフェースである。なお、目的変数が選択された状態で説明変数選択ボタン６１７が操作されると、目的変数以外の変数が自動的に説明変数として設定されて説明変数設定部６１５に反映されてもよい。また、当然ながら、利用者が説明変数設定部６１５を直接操作することで、任意の説明変数を設定できる。分析次数設定部６１６は、予測対象データについて各成分の分析次数を設定するインタフェースである。分析次数は、成分を分析する最大の次数である。
【0046】
検証用データ設定部６２０は、その検証用データ１２に対する目的変数、説明変数及び分析次数を設定する設定部であり、ファイル選択部６２１、ファイル名表示部６２２、変数名表示部６２３、対応変数設定部６２４、説明変数設定部６２５、分析次数設定部６２６及び説明変数選択ボタン６２７を含む。なお、検証用データ設定部６２０は、検証用データ１２ごとに設けられる。
【0047】
ファイル選択部６２１は、利用者が検証用データ１２を含むファイルを選択するためのインタフェースである。ファイル名表示部６２２は、ファイル選択部６２１にて選択されたファイルのファイル名を表示する。変数名表示部６２３は、ファイル選択部６２１にて選択されたファイルに含まれる検証用データ１２の変数の変数名を表示する。
【0048】
対応変数設定部６２４は、変数名表示部６２３に表示された検証用データ１２の各変数と対応する変数名表示部６２３に表示された予測対象データ１１の変数である対応変数を設定するためのインタフェースである。対応変数がない場合、その変数に対応するセルは空欄となる
【0049】
説明変数設定部６１５は、変数名表示部６２３にて変数名の変数から説明変数を設定するためのインタフェースである。なお、対応変数が選択された状態で説明変数選択ボタン６２７が操作されると、対応変数として設定された変数が説明変数及び目的変数として自動的に設定されて説明変数設定部６２５に反映されてもよい。この操作は、検証用データ１２の説明変数を予測対象データ１１の説明変数の最大部分集合（予測対象データ１１の説明変数と対応する説明変数だけで構成される集合）に設定することに相当する。分析次数設定部６２６は、検証用データについて各成分の分析次数を設定するインタフェースである。
【0050】
なお、一般的に、説明変数の間の相関が大きい場合、予測器にて着目される説明変数は学習過程の初期値に依存して大きく変化するため、予測器の主効果及び交互効果も大きく変化する。このため、予測対象データの各成分を検証するための検証用データの説明変数は必要最小限であることが好ましく、検証用データの説明変数を予測対象データの説明変数の最大部分集合に設定することで実現される。
【0051】
検証用データ追加部６３０は、新たな検証用データを追加するためのインタフェースである。検証用データ追加部６３０が操作されると、検証用データのファイルが新たに読み込まれて、新たな検証用データ設定部６２０が作成される。
【0052】
分析実行トリガ６４０は、分析実行を開始するための開始ボタンであり、操作されると、以下のステップＳ５１１以降で説明する、読込み指示画面６００にて設定された情報を使用した分析処理が開始される。なお、以降の処理では、検証用データ１２の変数名は、対応変数設定部６２４で対応付けられた予測対象データ１１の変数名と統一される。
【0053】
図５の説明に戻る。予測器作成部１１０及び成分分解部１２０は、予測対象データ１１に対する成分傾向分析処理を実行する（ステップＳ５１１）。
【0054】
図７は、成分傾向分析処理の一例を説明するためのフローチャートである。
【0055】
成分傾向分析処理では、先ず、予測器作成部１１０は、予測対象データ１１と所定の機械学習モデルとに基づいて、ステップＳ５１０で設定された説明変数から目的変数を予測する対象予測器を作成し、その対象予測器の予測精度を評価する（ステップＳ７１０）。
【0056】
予測精度の評価では、予測器作成部１１０は、５フォールド交叉検証を用いて予測対象データ１１を学習用データと精度評価用データに分割することで、全データで学習した予測器の予測精度を評価してもよい。予測精度は、例えば、回帰問題では予測誤差又は決定係数であり、分類問題では正解率などである。予測精度は、予測器が適切に学習できているかを判断する指標となるため、予測式作成処理を終了するか否かを判断するために使用することができる。
【0057】
成分分解部１２０は、予測器作成部１１０にて作成された予測器を予測対象データ１１の各説明変数の主効果の成分と交互効果の成分に加法分解する成分分解処理を行う（ステップＳ７１１）。より具体的には、成分分解部１２０は、説明変数Ｘ＝｛ｘ１，ｘ２，．．．，ｘｎ｝を入力とする予測器Ｍ（Ｘ）を次の式（１）のように説明変数Ｘの級数で展開する。
Ｍ（Ｘ）＝Ｆ０＋ΣＦｉ（ｘｉ）＋ΣＦｉ，ｊ（ｘｉ，ｘｊ）＋ΣＦｉ，ｊ，ｋ（ｘｉ，ｘｊ，ｘｋ）＋．．． （１）
Ｍ（Ｘ）＝Ｆ０＋ΣＦｉ（ｘｉ）＋ΣＦｉ，ｊ（ｘｉ，ｘｊ）＋ΣＦｉ，ｊ，ｋ（ｘｉ，ｘｊ，ｘｋ）＋．．． （１）
【0058】
式（１）の右辺の第１項Ｆ０は、０次の作用（定数）の成分を示す。式（１）の右辺の第２項Ｆｉ（ｘｉ）は、説明変数ｘｉが予測値に与える１次の作用（主効果）の成分を示す。式（１）の右辺の第３項のFｉ，ｊ（ｘｉ，ｘｊ）は説明変数ｘｉとｘｊ（ただし、ｉ≠ｊ）は、予測値に与える２次の作用（２次の交互効果）の成分を示す。式（１）の右辺の第３項以降も同様の規則で分解される。なお、ｉ＝｛１，２，．．．，ｎ｝、ｊ＝｛１，２，．．．，ｎ｝である。
【0059】
予測器作成部１１０は、図６の分析次数設定部６１６に設定された分析次数の項まで、対象予測器に対する成分分解処理を行う。なお、一般的に、低次の作用の方が予測値に対して強い影響を与えるため、３次以降の作用は必要ないことが多い。
【0060】
成分分解処理を行うアルゴリズムは、一般的に、複数の入力データを予測器に入力し、その入力データと予測器の予測値との関係を統計的に分析することで成分分解処理を行う。本実施例のように、同一の基準で２つ以上の予測器を加法分解し各成分を比較するには、それらの予測器に入力する入力データの分布、つまり対象データと検証用データとの間で共通する説明変数の分布が同一であることが好ましい。しかしながら、一般的に予測対象データ１１と検証用データ１２の間の説明変数のデータ分布は互いに異なる。そこで、本実施例では、予測器作成部１１０は、予測対象データ１１及び検証用データ１２に基づいて、予測器に対する成分分解処理を行う第３のデータセットである成分分解用データセットを生成し、その成分分解用データセットを用いて成分分解処理を行う。
【0061】
図８は、成分分解用データセットを生成する一例を説明するための図である。図８では、予測対象データの説明変数ｘ１について、第１の検証用データ（図では、検証用データ１と表記）、第２の検証用データ（図では、検証用データ２と表記）で共通するデータセットを成分分解用データセットとして生成する例が示されている。
【0062】
成分分解部１２０は、先ず、予測対象データ、第１の検証用データ及び第２の検証用データのそれぞれについて説明変数ｘ１の最小値を検出し、それらの最小値の中で最大の値を、成分分解用データセットの説明変数ｘ１の最小値８１０（ｘ１ｍｉｎ）として設定する。また、成分分解部１２０は、予測対象データ、第１の検証用データ及び第２の検証用データのそれぞれについて説明変数ｘ１の最大値を検出し、それらの最大値の中で最小の値を、成分分解用データセットの説明変数ｘ１の最大値８２０（ｘ１ｍａｘ）として設定する。そして、成分分解部１２０は、最小値８１０（ｘ１ｍｉｎ）から最大値８２０（ｘ１ｍａｘ）までの範囲である定義域８３０に含まれる複数の値を、成分分解用データセットの説明変数ｘ１の値としてランダムに生成する。成分分解用データセットの数は、特に限定されないが、例えば、１０００個以上である。
【0063】
なお、説明変数ｘ１について予測対象データと第１の検証用データ及び第２の検証用データとの間で重なる定義域が存在しない場合、成分分解部１２０は、予測対象データの説明変数ｘ１の定義域を成分分解用データセットの説明変数ｘ１の定義域８３０として決定する。また、説明変数ｘ１が予測対象データにしか含まれない場合、成分分解部１２０は、定義域８３０を予測対象データの説明変数ｘ１の定義域と同一とする。また、成分分解部１２０は、説明変数ｘ１が第１の検証用データ及び第２の検証用データの片方のみに含まれる場合、その検証用データの定義域を定義域８３０とし、説明変数ｘ１が第１の検証用データ及び第２の検証用データの両方のみに含まれる場合、第１の検証用データ及び第２の検証用データの定義域の重複部分を定義域８３０とする。
【0064】
成分分解部１２０は、上記の処理を全ての説明変数に対して行うことで、成分分解用データセットの各説明変数を得ることができる。また、成分分解用データセットを用いた成分分解処理は、特にシャープレイ分解のような、予測器への入力データの分布が異なるとき、成分分解後の各成分の特性が大きく変化することがあるアルゴリズムに対して、極めて有効である。
【0065】
図７の説明に戻る。成分分解部１２０は、ステップＳ７１１の成分分解処理にて得られた各成分について予測値に対する影響度を算出する成分分析処理を行う（ステップＳ７１２）。
【0066】
本実施例では、影響度は、下記の平均絶対値和を用いて算出される。例えば、説明変数ｘｉに対する、0次の成分Ｆ０の影響度Ｉ０、1次の成分Ｆｉの影響度指数Ｉｉ及び２次の成分Ｆｉ，ｊの影響度指数Ｉｉ，ｊは、式（２）～式（４）のように算出することができる。
Ｉ０＝Ｆ０ （１）
Ｉｉ＝Σｄ｜Ｆｉ（ｘｉ，ｄ）｜／Ｎ （２）
Ｉｉ，ｊ＝Σｄ｜Ｆｉ，ｊ（ｘｉ，ｊ，ｄ）｜／Ｎ （３）
ここで、ｄは、成分分解用データセットに含まれるデータの識別番号である。Ｎは、成分分解用データセットに含まれるデータの数である。３次以降の高次成分についても同様に計算することができる。影響度が大きいほど、その成分が予測器において重要な要素であることを示す。
Ｉ０＝Ｆ０ （１）
Ｉｉ＝Σｄ｜Ｆｉ（ｘｉ，ｄ）｜／Ｎ （２）
Ｉｉ，ｊ＝Σｄ｜Ｆｉ，ｊ（ｘｉ，ｊ，ｄ）｜／Ｎ （３）
ここで、ｄは、成分分解用データセットに含まれるデータの識別番号である。Ｎは、成分分解用データセットに含まれるデータの数である。３次以降の高次成分についても同様に計算することができる。影響度が大きいほど、その成分が予測器において重要な要素であることを示す。
【0067】
成分分解部１２０は、成分分析処理の分析結果を整理して管理してもよい。
【0068】
【0069】
データセット管理テーブル９１０は、ステップＳ５１０にて読み込まれたデータセット（予測対象データ１１及び検証用データ１２）を管理するための情報であり、フィールド９１１～９１４を含む。
【0070】
フィールド９１１は、データセットの名称を示すデータセット名を格納する。フィールド９１２は、データセットが予測対象データ及び検証用データのどちらであるかを示すデータ属性を格納する。フィールド９１３は、データセットを識別するための識別情報であるデータセットＩＤを格納する。データセットＩＤは、例えば、予測式作成支援システム１０にて自動的に付与される。フィールド９１４は、ステップＳ７１０～Ｓ７１２の処理で得られた分析結果を識別する識別情報である分析結果ＩＤを格納する。
【0071】
分析結果管理テーブル９２０は、各データセットに対する分析結果を管理するための情報であり、フィールド９２１～９２５を含む。分析結果管理テーブル９２０は、分析結果ＩＤごとに設定される。
【0072】
フィールド９２１は、全体（予測器全体）又は各成分の次数を示す成分属性を格納する。フィールド９２２は、成分属性が「全体」の場合に、ステップＳ７１０で算出された予測器の予測精度を格納する。図９の例では、予測精度は決定係数である。決定係数は、正解値の平均値を予測値とした場合と比較して、予測器で実際に得られた予測値がどれだけ優位かを示す指標であるため、予測誤差よりも予測器がデータから規則を適切に学べているか否かを示す指標として好ましい。
【0073】
フィールド９２３は、各成分の次数単位の影響度である次数レベル影響度を格納する。次数レベル影響度は、該当次数における、全ての説明変数の組み合わせの影響度の平均値であり、例えば、１次の成分の場合、次数レベル影響度は、ステップＳ７１２の処理で算出された成分Ｆ１～Ｆｎの影響度Ｉ１～Ｉｎの平均値である。
【0074】
フィールド９２４は、ステップＳ７１２の処理で算出された各成分の影響度を格納する。フィールド９２５は、各成分を識別する識別情報である成分データＩＤを格納する。図９の例では、分析結果ＩＤが「Ａ１」の分析結果管理テーブルの例を示しているため、成分データＩＤは、全て「Ａ１」から始まる記号で記述されている。
【0075】
図７の説明に戻る。妥当性分析部１３０の傾向分析部２１０は、ステップＳ７１１の成分分解処理で得られた各成分の特性の傾向を分析し、成分ごとの傾向情報を生成する傾向分析処理を行い（ステップＳ７１３）、成分傾向分析処理を終了する。
【0076】
【0077】
図１０に示すプロット１０１０は、予測器Ｍの予測値に対する成分Ｆ１，２（ｘ１，ｘ２）の貢献度を、説明変数ｘ１を横軸としてプロットしたものであり、成分交互効果Ｆ１，２（ｘ１，ｘ２）の説明変数ｘ１に関するデペンデンスプロット（Dependence plot）と呼ばれる。なお、貢献度は、成分分解を行うアルゴリズムにて算出される値である。
【0078】
交互効果の成分の傾向は、注目する説明変数である注目変数（ここでは、説明変数ｘ１）の対となる説明変数（ここでは、説明変数ｘ２）の値に応じて変化するため、傾向分析部２１０は、対となる説明変数が所定の閾値（図では、ｔｈ２＿ｘ２と表記）よりも大きいときの傾向を注目変数に関する傾向情報として取得する。つまり、傾向分析部２１０は、プロット１０１０において、ｘ２＞ｔｈ２＿ｘ２を満たすデータ（図では、黒丸として表示）のみを対象として関数テンプレートを用いてフィッティングを行うことで傾向情報を算出する。
【0079】
図１０に示す結果テーブル１０２０は、フィッティングによって得られる傾向分析処理の結果を示す。結果テーブル１０２０は、フィールド１０２１～１０２６を有する。
【0080】
フィールド１０２１は、テンプレートＩＤを格納する。フィールド１０２２は、関数テンプレートを格納する。フィールド１０２３は、フィッティングにて得られた係数である最適係数を格納する。フィールド１０２４は、最適係数を関数テンプレートに適用した場合に、分析対象の成分データとの誤差の程度を示す誤差情報を格納する。誤差情報は、図１０の例では、ＲＭＳＥ（Root Mean Square Error）である。フィールド１０２５は、詳細傾向を格納し、フィールド１０２６は、増減傾向を格納する。
【0081】
傾向分析部２１０は、関数テンプレートテーブル３００に含まれる全ての関数テンプレートに対してフィッティングを行い、誤差が最も小さい関数テンプレートとその関数テンプレートの係数とで定義される成分関数の傾向を、成分の特性の傾向として求める。ここでは、交互効果の成分Ｆ１，２（ｘ１，ｘ２）のｘ１に関する詳細傾向は「飽和」あり、増減傾向は「増加」を示す。
【0082】
交互効果の成分（Ｆ１，２（ｘ１，ｘ２））の説明変数ｘ２に関する傾向についても同様の方法で算出することができる。また、３次以降の高次の成分についても同様に、注目変数以外の説明変数が所定の閾値よりも大きいデータのみに対象にしてフィッティングを行うことで、注目する説明変数に関する傾向を算出することが可能になる。なお、所定の閾値は、利用者にて設定されてもよいし、傾向分析部２１０にて自動的に設定されてもよい。傾向分析部２１０は、具体的には、注目変数以外の説明変数の最大値と最小値との関係から閾値を設定する。例えば、説明変数ｘ２に対する閾値ｔｈ２＿ｘ２を算出する場合、傾向分析部２１０は、説明変数ｘ２の最大値ｘ２ｍａｘ及び最小値ｘ２ｍｉｎを用いて、閾値ｔｈ２＿ｘ２を式（５）のように算出する。なお、式（５）において、Ａは定数であり、例えば、０．９などである。
ｔｈ２＿ｘ２＝（ｘ２ｍａｘ―ｘ２ｍｉｎ）＊Ａ＋ｘ２ｍｉｎ （５）
ｔｈ２＿ｘ２＝（ｘ２ｍａｘ―ｘ２ｍｉｎ）＊Ａ＋ｘ２ｍｉｎ （５）
【0083】
図５の説明に戻る。傾向分析部２１０は、成分分解部１２０にて管理されている成分データ管理テーブル９００を参照して、対象予測器の予測精度を利用者に提示し、その後、利用者から処理を終了するか否かを示す入力情報を受け付ける。傾向分析部２１０は、その入力情報を確認して、処理を終了するか否かを判断する（ステップＳ５１２）。なお、利用者は予測精度に基づいて処理を終了するか否かを判断するため、予測精度は決定係数であることが好ましい。このとき、決定係数が所定値（例えば、０．１）以下の場合、傾向分析部２１０は、予測器から有意な予測式を取り出すことは困難であると判断して、利用者に対して処理の終了を促してもよい。
【0084】
処理を終了しないと判断した場合（ステップＳ５１２：Ｎｏ）、妥当性分析部１３０は、検証用データ１０２のいずれかについて、ステップＳ７１０～Ｓ７１３の成分傾向分析処理と同等な処理を実行して、成分データ管理テーブル９００を更新し、検証用データ１０２の傾向情報２４１を生成する（ステップＳ５２０）。なお、検証用データ１０２については、ステップＳ７１０に対応する処理は予測器作成部２２０で実行され、ステップＳ７１１及びステップＳ７１２に対応する処理は成分分解部２３０で実行され、ステップＳ７１３に対応する処理は傾向分析部２４０で実行される。
【0085】
続いて、妥当性分析部１３０は、全ての検証用データについて成分傾向分析処理を実行したか否かを判断する（ステップＳ５２１）。全ての検証用データについて成分傾向分析処理を実行していない場合（ステップＳ５２１：Ｎｏ）、妥当性分析部１３０は、ステップＳ５２０の処理に戻る。
【0086】
全ての検証用データについて成分傾向分析処理を実行した場合（ステップＳ５２１：Ｙｅｓ）、傾向比較部２５０は、傾向情報２１１及び傾向情報２４１に含まれる各成分の特性の傾向を比較して、各成分の特性の一致の度合いを各成分の一致の度合いとして評価し、その評価結果を示す評価情報を妥当性分析情報１３１として生成して成分選択部１４０に出力する（ステップＳ５４０）。
【0087】
【0088】
フィールド１１１０は、成分の名称を示す成分名を格納する。フィールド１１２０は、当該成分における予測対象データ１０１の詳細傾向である予測対象データ傾向を格納する。フィールド１１３０は、当該成分における検証用データ１０２の詳細傾向である検証用データ傾向を格納する。フィールド１１４０は、予測対象データ１０１の各成分と各検証用データ１０２の各成分の相関係数である相関情報を格納する。なお、全ての検証用データ１０２について対象の成分が存在しなかった場合、その成分のフィールドは空欄又は「情報なし」となる。
【0089】
フィールド１１５０は、予測対象データ１０１の各成分の傾向と各検証用データ１０２の各成分の傾向が一致しているか否かを示す一致判定結果を格納する。ここでは、一致判定結果は、増減傾向が一致しているか否かを示すが、その例に限定されない。例えば、一致判定情報は、相関係数の値が閾値よりも大きい場合に、「一致」を示し、相関係数の値が閾値未満の場合、「不一致」を示してもよい。また、一致判定結果は、詳細結果が一致しているか否かを示してもよい。また、一致判定結果は、これらの組み合わせなどでもよい。
【0090】
フィールド１１６０は、各成分を識別する識別情報である成分データＩＤを格納する。フィールド１１７０は、データセットＩＤを格納する。
【0091】
傾向比較情報１１００は、予測対象データ１０１と検証用データ１０２の各成分の一致度を整理した情報であり、利用者がドメイン知識に基づいて各成分の妥当性を判断することを支援できる情報である。
【0092】
図５の説明に戻る。成分選択部１４０は、成分データ管理テーブル９００及び傾向比較情報１１００を可視化した分析可視化情報１４１を示すユーザ画面である選択指示画面を利用者に提示する。その後、成分選択部１４０は、利用者から予測式へ反映する成分を指定する成分選択情報１０３を受け付け、その成分選択情報１０３に基づいて、予測式に反映する成分を選択し、選択した成分に関する選択成分情報１４２を予測式探索部１５０に出力する（ステップＳ５４１）。
【0093】
図１２は、選択指示画面の一例を示す図である。図１２に示す選択指示画面１２００は、注目成分次数選択部１２１０、表示方式切り替え部１２２０、次数レベル影響度表示部１２３０、成分プロット比較表示部１２４０及び予測式作成実行トリガ１２５０を含む。
【0094】
注目成分次数選択部１２１０は、成分プロット比較表示部１２４０に表示する成分の次数である注目成分次数を切り替える選択タブであり、図１０では、１次の成分（主効果）と２次の成分（２次の交互効果）に関する情報を二次元配置によって同時に表示する例が示されている。利用者が１次のタブを選択した場合、1次の成分のみの情報が一次元配置によって表示される。注目成分次数選択部１２１０は、分析次数設定部６１６に入力された次数分の選択タブが表示される。
【0095】
表示方式切り替え部１２２０は、注目成分次数の成分の全てに関する情報を表示する全表示と、注目成分次数の成分のうち影響度の高い成分のみを表示する影響度上位表示とを切り替えるインタフェースである。図１２では、全表示が選択されている。影響度上位表示が選択された場合、表示する成分の数の入力を利用者に促し、その入力に応じた数の成分に関する情報が成分プロット比較表示部１２４０に表示される。
【0096】
図１３は、影響度上位表示が選択された選択指示画面の一例を示す図である。図１３に示す選択指示画面１３００は、影響度が大きい成分から順に設定値分の成分に関する情報が表示されている。設定値は、例えば、表示方式切り替え部１２２０に入力された値と成分データ管理テーブル９００の成分影響度情報とに基づいて決定される。予測値に大きく影響を与えるのは影響度が大きな成分であるため、影響度が大きな成分のみを表示することで利用者の分析効率を向上させることができる。なお、選択指示画面１３００には、影響度が大きな成分に関する情報ほど、上に表示されるようなソート機能などが備わっていてもよい。また、影響度に応じた表示形式で評価情報などの成分に関する情報が表示されるものであれば、これらの例に限定されない。
【0097】
次数レベル影響度表示部１２３０は、成分データ管理テーブル９００の次数レベル影響度を棒グラフにて可視化した表示部であり、分析次数設定部６１６に入力された分析次数までの次数レベル影響度が表示される。
【0098】
成分プロット比較表示部１２４０は、成分傾向分析処理の処理結果の一覧をデペンデンスプロット形式で表示する表示部である。図では、成分傾向分析処理の処理結果を、１次と２次の両方の成分のデペンデンスプロットをｎ×ｎの格子状に二次元配置する例が示されている。対角線上のデペンデンスプロットは１次の成分（主効果）を示し、それ以外のデペンデンスは縦軸と横軸に示された説明変数による２次の成分（交互効果）を示している。
【0099】
成分プロット比較表示部１２４０は、成分プロット１２４１、一致判定情報１２４２、詳細比較表示部１２４３及び取り込み成分選択部１２４４を有する。
【0100】
成分プロット１２４１は、成分情報１２１に含まれる注目次数の対象成分のデペンデンスプロットである。成分プロット１２４１のグラフ枠の色は、対象成分の傾向と一致する検証用データ１０２が検出されたか否かに応じて異なってもよい。検出されたか否かを容易に判別することができる。
【0101】
一致判定情報１２４２は、予測対象データの各成分と各検証用データ１０２の各成分との一致度の対応関係を示す凡例情報であり、本実施例では、「一致」、「不一致」、「両方」及び「情報無し」のいずれかを示す。例えば、一致判定情報１２４２は、各成分について、予測対象データ１１の特性と全ての検証用データ１２の特性が一致している場合、「一致」を示し、全ての検証用データ１２の特性が一致していない場合、「不一致」を示し、検証用データ１２と特性が一致しているもの一致していないものとが含まれる場合、「両方」を示し、検証用データ１２に対応する成分が存在しない場合、「情報無し」を示す。
【0102】
これにより、利用者は、例えば、「不一致」又は「情報無し」の成分の影響度が大きい場合に、「不一致」となった原因を分析したり、「情報無し」の成分の特性が妥当であるかを検討したりすることで、必要に応じて追加の調査実験を実施することができる。このように、一致判定情報１２４２の提示は予測式作成において利用者の行動に関する意思決定を支援することができる。
【0103】
詳細比較表示部１２４３は、注目成分の傾向比較情報１１００を詳細に提示するためのボタンである。詳細比較表示部１２４３が操作されると、注目成分の詳細な傾向比較情報１１００を提示するためのユーザ画面である詳細提示画面が表示される。
【0104】
図１４は、詳細提示画面の一例を示す図である。図１４に示す詳細提示画面１４００は、対象成分表示部１４１０、予測対象データ分析結果表示部１４２０、検証用データ分析結果表示部１４３０、適用ボタン１４４０及び戻るボタン１４５０を含む。
【0105】
対象成分表示部１４１０は、詳細対象成分を提示する表示部である。図１４の例では、説明変数ｘ１の１次の成分Ｆ１（ｘ１）の情報が表示されている。
【0106】
予測対象データ分析結果表示部１４２０は、予測対象データ１０１の詳細対象成分のデペンデンスプロット、成分の影響度、傾向（詳細傾向）及びコメントを表示する表示部である。コメントは、利用者が編集ボタン１４２１を操作することで、追加することができる。
【0107】
検証用データ分析結果表示部１４３０は、各検証用データ１０２の詳細対象成分について、予測対象データ１０１と傾向が一致した検証用データ１０２の成分の事例を表示する一致結果表示部１４３１と傾向が一致しなかった成分の事例を表示する不一致結果表示部１４３５を有し、それぞれの事例についてプロット１４３２と分析結果情報１４３３を提示する表示部である。
【0108】
プロット１４３２は、検証用データの詳細対象成分に対応するデペンデンスプロットである。分析結果情報１４３３は、検証用データ１０２の詳細対象成分の影響度、傾向（詳細傾向）、相関、一致判定結果、データセット名、データセットＩＤ及びコメントを含む。
【0109】
一致結果表示部１４３１及び不一致結果表示部１４３５は、ともに編集ボタン１４３４を有する。利用者が編集ボタン１４３４を操作することで、コメントの編集及び一致判定結果の修正などができる。
【0110】
一致判定結果は、傾向比較部２５０にて予測対象データと検証用データについて、対象成分の特性の傾向を比較することで算出されるため、不確実性を含む。このため、上記のように利用者が一致判定結果を修正できるインタフェースを提供することで、より妥当な裏付け情報を備えた予測式を得ることを支援できる。
【0111】
適用ボタン１４４０は、編集ボタン１４３４にて編集された編集内容を適用するためのボタンである。適用ボタン１４４０が操作されると、例えば、一致判定結果が修正された場合、修正結果が選択指示画面１２００及び傾向比較情報１１００に反映される。戻るボタン１４５０は、選択指示画面１２００に戻るためのボタンである。
【0112】
図１２の説明に戻る。取り込み成分選択部１２４４は、成分プロット比較表示部１２４０に表示された成分のうち、予測式に反映する成分を指定する成分指定情報を入力するインタフェースである。なお、格子状配置された各成分のうち対称位置にある成分は同一の成分であるため、一方の成分が選択されると、他方の成分も自動的に選択される。
【0113】
予測式作成実行トリガ１２５０は、取り込み成分選択部１２４４で選択された成分に基づいて、予測式を作成する予測式作成処理を開始するためのボタンである。
【0114】
図５の説明に戻る。予測式探索部１５０は、選択成分情報１４２と探索用関数テンプレートテーブル４００とに基づいて、選択成分情報１４２が示す各予測式対象成分の部分予測式を探索する予測式探索処理を行う。予測式探索部１５０は、部分予測式を示す部分予測式情報１５１として予測式作成部１６０に出力する（ステップＳ５４２）。
【0115】
予測式探索処理は、選択成分情報１４２によって選択された成分情報１２１の各予測式対象成分を探索用関数テンプレートテーブル４００内の各関数テンプレートとフィッティングし、当てはまりの良い関数を部分予測式として算出する処理である。
【0116】
ここでは、当てはまりの良さを示す指標は、誤差の大きさを表す差分二乗和である。以下、説明変数ｘ１とｘ２に関する２次の成分Ｆ１，２（ｘ１，ｘ２）を例にとって、部分予測式を算出する処理を詳細に説明する。
【0117】
予測式探索処理では、予測式探索部１５０は、成分Ｆ１，２（ｘ１，ｘ２）を説明変数ｘ１及びｘ２のそれぞれに依存する関数Ｇｋ（ｘ１）及びＧｍ（ｘ２）の積であると仮定し、式（６）のように成分Ｆ１，２（ｘ１，ｘ２）とその積との誤差Ｌｋ，ｍを評価する。
Ｌｋ，ｍ＝（Ｆ１，２（ｘ１，ｘ２）―Ｇｋ（ｘ１）＊Ｇｍ（ｘ２））２ （６）
Ｌｋ，ｍ＝（Ｆ１，２（ｘ１，ｘ２）―Ｇｋ（ｘ１）＊Ｇｍ（ｘ２））２ （６）
【0118】
関数Ｇｋ及びＧｍは、それぞれ探索用関数テンプレートテーブル４００のｋ番目の関数テンプレートとｍ番目の関数テンプレートであり、Ｌｋ，ｍはそれらの関数テンプレートを適用した時の誤差の大きさを表している。このため、誤差Ｌｋ，ｍは、小さいほど当てはまりが良い。例えば、ｋ＝１、ｍ＝１のときには、誤差Ｌ１，１は式（７）のように算出される。
Ｌ１，１＝（Ｆ１，２（ｘ１，ｘ２）―（ａ１＊ｘ１＋ｂ１）＊（ａ２＊ｘ２＋ｂ２））２ （７）
Ｌ１，１＝（Ｆ１，２（ｘ１，ｘ２）―（ａ１＊ｘ１＋ｂ１）＊（ａ２＊ｘ２＋ｂ２））２ （７）
【0119】
ここで、ａ１、ｂ１、ａ２、ｂ２は、係数（パラメータ）であり、式（７）の右辺の値を最小化する値を適用することが理想的である。しかしながら、理想的な係数を算出することが困難な場合、係数ａ１、ｂ１、ａ２、ｂ２にランダムな値を代入して右辺の値を計算することを所定回数繰り返し、各計算の値のうち最小の値を与える係数が算出されてもよい。この場合、複雑な関数の組み合わせであっても係数の値を得ることができる。
【0120】
このように、探索用関数テンプレートテーブル４００にある全ての関数テンプレートの組み合わせについて誤差Ｌを算出し、誤差Ｌが最小となる組み合わせの関数を探索することで、説明変数ｘ１とｘ２に関する２次の成分Ｆ１，２に該当する予測式を得ることができる。３次以上の高次成分についても同様に予測式を得ることができる。
【0121】
予測式作成部１６０は、式（８）に示すように、部分予測式情報１５１にて示される部分予測式Ｇをそれまでに生成した予測式Ｈｋに追加することで予測式を予測式Ｈｋ＋１として更新し、予測式Ｈｋ＋１を示す予測式情報１６１を残差生成部１７０に出力する（ステップＳ５４３）。
Ｈｋ＋１（Ｘ）＝Ｈｋ（Ｘ）＋Ｇ（Ｘ） （８）
Ｈｋ＋１（Ｘ）＝Ｈｋ（Ｘ）＋Ｇ（Ｘ） （８）
【0122】
式（８）において、Ｇ（Ｘ）は、ステップＳ５４２で算出された各成分の部分予測式の和である。Ｈｋはｋ回目の更新によって得られた予測式を示す関数であり、その初期値Ｈ０はゼロである。
【0123】
残差生成部１７０は、式（９）に示すように、予測対象データ１０１の目的変数Ｙと予測式情報１６１にて示される予測式Ｈｋ＋１（Ｘ）の差分を予測残差として算出し、その予測残差を予測対象データ１０１の新たな目的変数Ｙｋ＋１として予測器作成部１１０に出力する（ステップＳ５４４）。
Ｙｋ＋１（Ｘ）＝Ｙ（Ｘ）―Ｈｋ＋１（Ｘ） （９）
Ｙｋ＋１（Ｘ）＝Ｙ（Ｘ）―Ｈｋ＋１（Ｘ） （９）
【0124】
式（９）において、目的変数Ｙは、予測対象データ１０１の目的変数であり、Ｙｋ＋１はｋ＋１回目の残差生成処理によって更新された目的変数である。
【0125】
ステップＳ５４４が終了すると、ここで得られた新たな目的変数データセットＹｋ＋１を用いてステップＳ５１１の処理が実行される。このように妥当性が確認された成分を段階的に予測式に取り込み、目的変数の予測式の残差について機械学習させることは、影響が大きな規則に隠れた小さな規則を発見することに貢献する。
【0126】
その後、ステップＳ５１２で処理を終了すると判断された場合（ステップＳ５１２：Ｙｅｓ）、予測式作成部１６０は、最新の予測式Ｈｋ＋１を予測式１６２として出力する。また、成分選択部１４０は、予測式に含まれる各成分について、傾向比較情報１１００の一致判定情報が「一致」となっている分析結果を妥当性裏付け情報１５００として抽出し、妥当性裏付け情報１５００を予測式の各成分の妥当性を裏付ける補助情報１４３として出力する（ステップＳ５３０）。
【0127】
図１５は、妥当性裏付け情報１５００の一例を示す図である。図１５に示す妥当性裏付け情報１５００は、図１１に示した傾向比較情報１１００からフィールド１１５０の一致判定情報が「一致」となっている情報を抽出したものに、詳細提示画面１４００に入力されたコメントを格納するフィールド１５１０を追加したものである。
【0128】
これにより、利用者は得られた予測式の各成分が、どの検証用データの事例についてどの程度一致しているかを第三者に客観的に説明することができるため、得られた予測式に客観的な妥当性を与えることができる。
【0129】
以上説明したように本実施例によれば、予測器作成部１１０は、予測対象データ１１に基づく対象予測器と、検証用データ１２に基づく検証用予測器とを作成する。成分分解部１２０は、対象予測器を、予測対象データ１１に含まれる第１の説明変数の組み合わせのそれぞれに対応する複数の第１の成分に分解し、成分分解部２３０は、検証用予測器を、検証用データ１２に含まれる第２の説明変数の組み合わせのそれぞれに対応する複数の第１の成分に分解する。妥当性分析部１３０は、互いに対応する第１の成分及び第２の成分ごとに、第１の成分と第２の成分との一致度を評価した妥当性分析情報１３１を生成する。予測式推定部（予測式探索部１５０及び予測式作成部１６０）は、妥当性分析情報１３１に応じて選択された選択成分に基づいて、対象予測器による予測に使用されている予測式を推定する。
【0130】
したがって、予測対象データ１１と類似する検証用データ１２を用いることで、予測式の各成分について妥当性の判断が可能な妥当性分析情報１３１を提供することが可能になる。このため、予測器による予測で使用されている予測式の妥当性を判断することが可能になる。
【0131】
上述した本開示の実施例は、本開示の説明のための例示であり、本開示の範囲をそれらの実施例にのみ限定する趣旨ではない。当業者は、本開示の範囲を逸脱することなしに、他の様々な態様で本開示を実施することができる。
【符号の説明】
【0132】
１０：予測式作成支援システム １００：データ読込み部 １１０：予測器作成部 １２０：成分分解部 １３０：妥当性分析部 １４０：成分選択部、１５０：予測式探索部、１６０：予測式作成部 １７０：残差生成部 ２１０：傾向分析部 ２２０：予測器作成部 ２３０：成分分解部 ２４０：傾向分析部 ２５０：傾向比較部
【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】