▶ 株式会社東芝の特許一覧 ▶ 東芝デバイス＆ストレージ株式会社の特許一覧
特開2023-158701データ処理装置、データ処理システム及びデータ処理方法
(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】P2023158701
(43)【公開日】2023-10-31
(54)【発明の名称】データ処理装置、データ処理システム及びデータ処理方法
(51)【国際特許分類】
G06N 20/00 20190101AFI20231024BHJP
【ＦＩ】
G06N20/00
【審査請求】未請求
【請求項の数】10
【出願形態】ＯＬ
(21)【出願番号】P 2022068632
(22)【出願日】2022-04-19
(71)【出願人】
【識別番号】000003078
【氏名又は名称】株式会社東芝
(71)【出願人】
【識別番号】317011920
【氏名又は名称】東芝デバイス＆ストレージ株式会社
(74)【代理人】
【識別番号】110004026
【氏名又は名称】弁理士法人ｉＸ
(72)【発明者】
【氏名】長村 燎
(72)【発明者】
【氏名】成田 直幸
(72)【発明者】
【氏名】前田 知幸
(57)【要約】
【課題】高精度のデータ処理が可能なデータ処理装置、データ処理システム及びデータ処理方法を提供する。
【解決手段】実施形態によれば、データ処理装置は、処理部を含む。処理部は、第１動作において、第１取得データ及び第１他データに基づく第１生成データに基づいて第１機械学習モデルを生成可能である。第１他データは、Ｎｐ行Ｄ１列の第１他特徴量行列と、Ｎｐ行の第１他ラベルと、を含む。第１取得データは、Ｎ１行Ｄ１列の第１特徴量行列と、Ｎ１行の第１取得ラベルと、を含む。第１生成データは、（Ｎｐ＋Ｎ１）行（３×Ｄ１）列の第１生成行列と、（Ｎｐ＋Ｎ１）行の第１生成ラベルと、を含む。（Ｎｐ＋Ｎ１）／Ｄ１は、２５０以上である。
【選択図】図１
【解決手段】実施形態によれば、データ処理装置は、処理部を含む。処理部は、第１動作において、第１取得データ及び第１他データに基づく第１生成データに基づいて第１機械学習モデルを生成可能である。第１他データは、Ｎｐ行Ｄ１列の第１他特徴量行列と、Ｎｐ行の第１他ラベルと、を含む。第１取得データは、Ｎ１行Ｄ１列の第１特徴量行列と、Ｎ１行の第１取得ラベルと、を含む。第１生成データは、（Ｎｐ＋Ｎ１）行（３×Ｄ１）列の第１生成行列と、（Ｎｐ＋Ｎ１）行の第１生成ラベルと、を含む。（Ｎｐ＋Ｎ１）／Ｄ１は、２５０以上である。
【選択図】図１
【特許請求の範囲】
【請求項1】
取得部と、
処理部と、を備え、
前記取得部は、第１動作において、第１取得データを取得可能であり、
前記処理部は、前記第１動作において、前記第１取得データ及び第１他データに基づく第１生成データに基づいて第１機械学習モデルを生成可能であり、
前記第１他データは、Ｎｐ行Ｄ１列の第１他特徴量行列と、Ｎｐ行の第１他ラベルと、を含み、前記Ｎｐは、２以上の整数であり、前記Ｄ１は、１以上の整数であり、
前記第１取得データは、Ｎ１行Ｄ１列の第１特徴量行列と、Ｎ１行の第１取得ラベルと、を含み、前記Ｎ１は、２以上の整数であり、前記Ｎ１は、前記Ｎｐよりも小さく、
前記第１生成データは、（Ｎｐ＋Ｎ１）行（３×Ｄ１）列の第１生成行列と、（Ｎｐ＋Ｎ１）行の第１生成ラベルと、を含み、
前記第１生成行列は、第１行列データと、第２行列データと、第３行列データと、を含み、
前記第１行列データの成分は、前記第１他特徴量行列と、前記第１特徴量行列と、の行方向における結合を含み、
前記第２行列データの成分は、Ｎｐ行Ｄ１列の０の成分の行列と、前記第１特徴量行列と、の前記行方向における結合を含み、
前記第３行列データの成分は、前記第１他特徴量行列と、Ｎ１行Ｄ１列の０の成分の行列と、の前記行方向における結合を含み、
前記第１生成ラベルの成分は、前記第１他ラベルと前記第１取得ラベルとの前記行方向における結合を含み、
（Ｎｐ＋Ｎ１）／Ｄ１は、２５０以上である、データ処理装置。
処理部と、を備え、
前記取得部は、第１動作において、第１取得データを取得可能であり、
前記処理部は、前記第１動作において、前記第１取得データ及び第１他データに基づく第１生成データに基づいて第１機械学習モデルを生成可能であり、
前記第１他データは、Ｎｐ行Ｄ１列の第１他特徴量行列と、Ｎｐ行の第１他ラベルと、を含み、前記Ｎｐは、２以上の整数であり、前記Ｄ１は、１以上の整数であり、
前記第１取得データは、Ｎ１行Ｄ１列の第１特徴量行列と、Ｎ１行の第１取得ラベルと、を含み、前記Ｎ１は、２以上の整数であり、前記Ｎ１は、前記Ｎｐよりも小さく、
前記第１生成データは、（Ｎｐ＋Ｎ１）行（３×Ｄ１）列の第１生成行列と、（Ｎｐ＋Ｎ１）行の第１生成ラベルと、を含み、
前記第１生成行列は、第１行列データと、第２行列データと、第３行列データと、を含み、
前記第１行列データの成分は、前記第１他特徴量行列と、前記第１特徴量行列と、の行方向における結合を含み、
前記第２行列データの成分は、Ｎｐ行Ｄ１列の０の成分の行列と、前記第１特徴量行列と、の前記行方向における結合を含み、
前記第３行列データの成分は、前記第１他特徴量行列と、Ｎ１行Ｄ１列の０の成分の行列と、の前記行方向における結合を含み、
前記第１生成ラベルの成分は、前記第１他ラベルと前記第１取得ラベルとの前記行方向における結合を含み、
（Ｎｐ＋Ｎ１）／Ｄ１は、２５０以上である、データ処理装置。
【請求項2】
記憶部をさらに備え、
前記記憶部は、第１記憶領域を含み、
前記第１取得データ及び前記第１他データは、前記第１他記憶領域に記憶され、
前記処理部は、前記第１記憶領域から前記第１取得データ及び前記第１他データを取得して前記第１動作を実施可能である、請求項１に記載のデータ処理装置。
前記記憶部は、第１記憶領域を含み、
前記第１取得データ及び前記第１他データは、前記第１他記憶領域に記憶され、
前記処理部は、前記第１記憶領域から前記第１取得データ及び前記第１他データを取得して前記第１動作を実施可能である、請求項１に記載のデータ処理装置。
【請求項3】
前記記憶部は、第２記憶領域をさらに含み、
前記処理部は、前記第１生成データを前記第２記憶領域に記憶させることが可能である、請求項２に記載のデータ処理装置。
前記処理部は、前記第１生成データを前記第２記憶領域に記憶させることが可能である、請求項２に記載のデータ処理装置。
【請求項4】
前記処理部は、前記第１動作において、第１回帰行列を前記第１機械学習モデルに入力して第１回帰ラベルをさらに導出可能であり、
前記第１回帰行列は、Ｎ１行（３×Ｄ１）列であり、
前記第１回帰行列は、第１回帰行列データと、第２回帰行列データと、第３回帰行列データと、を含み、
前記第１回帰行列データの成分は、前記第１特徴量行列を含み、
前記第２回帰行列データの成分は、前記第１特徴量行列を含み、
前記第３回帰行列データの成分は、Ｎ１行Ｄ１列の０の成分の行列を含む、請求項１に記載のデータ処理装置。
前記第１回帰行列は、Ｎ１行（３×Ｄ１）列であり、
前記第１回帰行列は、第１回帰行列データと、第２回帰行列データと、第３回帰行列データと、を含み、
前記第１回帰行列データの成分は、前記第１特徴量行列を含み、
前記第２回帰行列データの成分は、前記第１特徴量行列を含み、
前記第３回帰行列データの成分は、Ｎ１行Ｄ１列の０の成分の行列を含む、請求項１に記載のデータ処理装置。
【請求項5】
前記取得部及び前記処理部は、第２動作をさらに実施可能であり、
前記取得部は、第２動作において、第２取得データを取得可能であり、
前記処理部は、前記第２動作において、前記第２取得データ及び第２他データに基づく第２生成データに基づいて第２機械学習モデルを生成可能であり、
前記第２他データは、Ｎｑ行Ｄ２列の第２他特徴量行列と、Ｎｐ行の第２他ラベルと、を含み、前記Ｎｐは、２以上の整数であり、前記Ｄ２は、１以上の整数であり、
前記第２取得データは、Ｎ２行Ｄ２列の第２特徴量行列と、Ｎ２行の第２取得ラベルと、を含み、前記Ｎ２は、２以上の整数であり、前記Ｎ２は、前記Ｎｑよりも小さく、
前記第２生成データは、（Ｎｑ＋Ｎ２）行（Ｄ２×３）列の第２生成行列と、（Ｎｑ＋Ｎ２）行の第２生成ラベルと、を含み、
前記第２生成行列は、第４行列データと、第５行列データと、第６行列データと、を含み、
前記第４行列データの成分は、前記第２他特徴量行列と、前記第２特徴量行列と、の行方向における結合を含み、
前記第５行列データの成分は、Ｎｑ行Ｄ２列の０の成分の行列と、前記第２特徴量行列と、の前記行方向における結合を含み、
前記第６行列データの成分は、前記第２他特徴量行列と、Ｎ２行Ｄ２列の０の成分の行列と、の前記行方向における結合を含み、
前記第２生成ラベルの成分は、前記第２他ラベルと前記第２取得ラベルとの前記行方向における結合を含み、
（Ｎｑ＋Ｎ２）／Ｄ２は、２５０以上であり、
前記処理部は、前記第２動作において、第２回帰行列を前記第２機械学習モデルに入力して第２回帰ラベルをさらに導出可能であり、
前記第２回帰行列は、Ｎ２行（Ｄ２×３）列であり、
前記第２回帰行列は、第４回帰行列データと、第５回帰行列データと、第６回帰行列データと、を含み、
前記第４回帰行列データの成分は、前記第２特徴量行列を含み、
前記第５回帰行列データの成分は、前記第２特徴量行列を含み、
前記第６回帰行列データの成分は、Ｎ２行Ｄ２列の０の成分の行列を含み、請求項４に記載のデータ処理装置。
前記取得部は、第２動作において、第２取得データを取得可能であり、
前記処理部は、前記第２動作において、前記第２取得データ及び第２他データに基づく第２生成データに基づいて第２機械学習モデルを生成可能であり、
前記第２他データは、Ｎｑ行Ｄ２列の第２他特徴量行列と、Ｎｐ行の第２他ラベルと、を含み、前記Ｎｐは、２以上の整数であり、前記Ｄ２は、１以上の整数であり、
前記第２取得データは、Ｎ２行Ｄ２列の第２特徴量行列と、Ｎ２行の第２取得ラベルと、を含み、前記Ｎ２は、２以上の整数であり、前記Ｎ２は、前記Ｎｑよりも小さく、
前記第２生成データは、（Ｎｑ＋Ｎ２）行（Ｄ２×３）列の第２生成行列と、（Ｎｑ＋Ｎ２）行の第２生成ラベルと、を含み、
前記第２生成行列は、第４行列データと、第５行列データと、第６行列データと、を含み、
前記第４行列データの成分は、前記第２他特徴量行列と、前記第２特徴量行列と、の行方向における結合を含み、
前記第５行列データの成分は、Ｎｑ行Ｄ２列の０の成分の行列と、前記第２特徴量行列と、の前記行方向における結合を含み、
前記第６行列データの成分は、前記第２他特徴量行列と、Ｎ２行Ｄ２列の０の成分の行列と、の前記行方向における結合を含み、
前記第２生成ラベルの成分は、前記第２他ラベルと前記第２取得ラベルとの前記行方向における結合を含み、
（Ｎｑ＋Ｎ２）／Ｄ２は、２５０以上であり、
前記処理部は、前記第２動作において、第２回帰行列を前記第２機械学習モデルに入力して第２回帰ラベルをさらに導出可能であり、
前記第２回帰行列は、Ｎ２行（Ｄ２×３）列であり、
前記第２回帰行列は、第４回帰行列データと、第５回帰行列データと、第６回帰行列データと、を含み、
前記第４回帰行列データの成分は、前記第２特徴量行列を含み、
前記第５回帰行列データの成分は、前記第２特徴量行列を含み、
前記第６回帰行列データの成分は、Ｎ２行Ｄ２列の０の成分の行列を含み、請求項４に記載のデータ処理装置。
【請求項6】
前記処理部は、第３動作をさらに実施可能であり、
前記処理部は、前記第３動作において、前記第１回帰ラベルと前記第２回帰ラベルとの比較に関する情報を出力可能である、請求項５に記載のデータ処理装置。
前記処理部は、前記第３動作において、前記第１回帰ラベルと前記第２回帰ラベルとの比較に関する情報を出力可能である、請求項５に記載のデータ処理装置。
【請求項7】
前記第１取得データ、前記第１他データ及び前記第２取得データは、磁気記録再生装置の特性を含む、請求項６に記載のデータ処理装置。
【請求項8】
前記Ｄ１は１である、請求項７に記載のデータ処理装置。
【請求項9】
１または複数の取得部と、
１または複数の処理部と、を備え、
前記１または複数の取得部は、第１動作において、第１取得データを取得可能であり、
前記１または複数の処理部は、前記第１取得データ及び第１他データに基づく第１生成データに基づいて第１機械学習モデルを生成可能であり、
前記第１他データは、Ｎｐ行Ｄ１列の第１他特徴量行列と、Ｎｐ行の第１他ラベルと、を含み、前記Ｎｐは、２以上の整数であり、前記Ｄ１は、１以上の整数であり、
前記第１取得データは、Ｎ１行Ｄ１列の第１特徴量行列と、Ｎ１行の第１取得ラベルと、を含み、前記Ｎ１は、２以上の整数であり、前記Ｎ１は、前記Ｎｐよりも小さく、
前記第１生成データは、（Ｎｐ＋Ｎ１）行（３×Ｄ１）列の第１生成行列と、（Ｎｐ＋Ｎ１）行の第１生成ラベルと、を含み、
前記第１生成行列は、第１行列データと、第２行列データと、第３行列データと、を含み、
前記第１行列データの成分は、前記第１他特徴量行列と、前記第１特徴量行列と、の行方向における結合を含み、
前記第２行列データの成分は、Ｎｐ行Ｄ１列の０の成分の行列と、前記第１特徴量行列と、の前記行方向における結合を含み、
前記第３行列データの成分は、前記第１他特徴量行列と、Ｎ１行Ｄ１列の０の成分の行列と、の前記行方向における結合を含み、
前記第１生成ラベルの成分は、前記第１他ラベルと前記第１取得ラベルとの前記行方向における結合を含み、
（Ｎｐ＋Ｎ１）／Ｄ１は、２５０以上である、データ処理システム。
１または複数の処理部と、を備え、
前記１または複数の取得部は、第１動作において、第１取得データを取得可能であり、
前記１または複数の処理部は、前記第１取得データ及び第１他データに基づく第１生成データに基づいて第１機械学習モデルを生成可能であり、
前記第１他データは、Ｎｐ行Ｄ１列の第１他特徴量行列と、Ｎｐ行の第１他ラベルと、を含み、前記Ｎｐは、２以上の整数であり、前記Ｄ１は、１以上の整数であり、
前記第１取得データは、Ｎ１行Ｄ１列の第１特徴量行列と、Ｎ１行の第１取得ラベルと、を含み、前記Ｎ１は、２以上の整数であり、前記Ｎ１は、前記Ｎｐよりも小さく、
前記第１生成データは、（Ｎｐ＋Ｎ１）行（３×Ｄ１）列の第１生成行列と、（Ｎｐ＋Ｎ１）行の第１生成ラベルと、を含み、
前記第１生成行列は、第１行列データと、第２行列データと、第３行列データと、を含み、
前記第１行列データの成分は、前記第１他特徴量行列と、前記第１特徴量行列と、の行方向における結合を含み、
前記第２行列データの成分は、Ｎｐ行Ｄ１列の０の成分の行列と、前記第１特徴量行列と、の前記行方向における結合を含み、
前記第３行列データの成分は、前記第１他特徴量行列と、Ｎ１行Ｄ１列の０の成分の行列と、の前記行方向における結合を含み、
前記第１生成ラベルの成分は、前記第１他ラベルと前記第１取得ラベルとの前記行方向における結合を含み、
（Ｎｐ＋Ｎ１）／Ｄ１は、２５０以上である、データ処理システム。
【請求項10】
処理部に第１動作を実施させ、
前記処理部は、前記第１動作において、前記第１取得データ及び第１他データに基づく第１生成データに基づいて第１機械学習モデルを生成可能であり、
前記第１他データは、Ｎｐ行Ｄ１列の第１他特徴量行列と、Ｎｐ行の第１他ラベルと、を含み、前記Ｎｐは、２以上の整数であり、前記Ｄ１は、１以上の整数であり、
前記第１取得データは、Ｎ１行Ｄ１列の第１特徴量行列と、Ｎ１行の第１取得ラベルと、を含み、前記Ｎ１は、２以上の整数であり、前記Ｎ１は、前記Ｎｐよりも小さく、
前記第１生成データは、（Ｎｐ＋Ｎ１）行（３×Ｄ１）列の第１生成行列と、（Ｎｐ＋Ｎ１）行の第１生成ラベルと、を含み、
前記第１生成行列は、第１行列データと、第２行列データと、第３行列データと、を含み、
前記第１行列データの成分は、前記第１他特徴量行列と、前記第１特徴量行列と、の行方向における結合を含み、
前記第２行列データの成分は、Ｎｐ行Ｄ１列の０の成分の行列と、前記第１特徴量行列と、の前記行方向における結合を含み、
前記第３行列データの成分は、前記第１他特徴量行列と、Ｎ１行Ｄ１列の０の成分の行列と、の前記行方向における結合を含み、
前記第１生成ラベルの成分は、前記第１他ラベルと前記第１取得ラベルとの前記行方向における結合を含み、
（Ｎｐ＋Ｎ１）／Ｄ１は、２５０以上である、データ処理方法。
前記処理部は、前記第１動作において、前記第１取得データ及び第１他データに基づく第１生成データに基づいて第１機械学習モデルを生成可能であり、
前記第１他データは、Ｎｐ行Ｄ１列の第１他特徴量行列と、Ｎｐ行の第１他ラベルと、を含み、前記Ｎｐは、２以上の整数であり、前記Ｄ１は、１以上の整数であり、
前記第１取得データは、Ｎ１行Ｄ１列の第１特徴量行列と、Ｎ１行の第１取得ラベルと、を含み、前記Ｎ１は、２以上の整数であり、前記Ｎ１は、前記Ｎｐよりも小さく、
前記第１生成データは、（Ｎｐ＋Ｎ１）行（３×Ｄ１）列の第１生成行列と、（Ｎｐ＋Ｎ１）行の第１生成ラベルと、を含み、
前記第１生成行列は、第１行列データと、第２行列データと、第３行列データと、を含み、
前記第１行列データの成分は、前記第１他特徴量行列と、前記第１特徴量行列と、の行方向における結合を含み、
前記第２行列データの成分は、Ｎｐ行Ｄ１列の０の成分の行列と、前記第１特徴量行列と、の前記行方向における結合を含み、
前記第３行列データの成分は、前記第１他特徴量行列と、Ｎ１行Ｄ１列の０の成分の行列と、の前記行方向における結合を含み、
前記第１生成ラベルの成分は、前記第１他ラベルと前記第１取得ラベルとの前記行方向における結合を含み、
（Ｎｐ＋Ｎ１）／Ｄ１は、２５０以上である、データ処理方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明の実施形態は、データ処理装置、データ処理システム及びデータ処理方法に関する。
【背景技術】
【0002】
例えば、磁気記録再生装置などの各種の電子機器に関するデータが処理される。例えば、データ処理により機械学習が行われる。高精度のデータ処理が望まれる。
【先行技術文献】
【非特許文献】
【0003】
【非特許文献1】Daume'III, H., "Frustratingly Easy Domain Adaptation," Proceedings of the 45th Annual Meeting of the Association of Computational Linguistics, pp. 256-263, June 2007.
【発明の概要】
【発明が解決しようとする課題】
【0004】
本発明の実施形態は、高精度のデータ処理が可能なデータ処理装置、データ処理システム及びデータ処理方法を提供する。
【課題を解決するための手段】
【0005】
本発明の実施形態によれば、データ処理装置は、取得部及び処理部を含む。前記取得部は、第１動作において、第１取得データを取得可能である。前記処理部は、前記第１動作において、前記第１取得データ及び第１他データに基づく第１生成データに基づいて第１機械学習モデルを生成可能である。前記第１他データは、Ｎｐ行Ｄ１列の第１他特徴量行列と、Ｎｐ行の第１他ラベルと、を含む。前記Ｎｐは、２以上の整数である。前記Ｄ１は、１以上の整数である。前記第１取得データは、Ｎ１行Ｄ１列の第１特徴量行列と、Ｎ１行の第１取得ラベルと、を含む。前記Ｎ１は、２以上の整数である。前記Ｎ１は、前記Ｎｐよりも小さい。前記第１生成データは、（Ｎｐ＋Ｎ１）行（３×Ｄ１）列の第１生成行列と、（Ｎｐ＋Ｎ１）行の第１生成ラベルと、を含む。前記第１生成行列は、第１行列データと、第２行列データと、第３行列データと、を含む。前記第１行列データの成分は、前記第１他特徴量行列と、前記第１特徴量行列と、の行方向における結合を含む。前記第２行列データの成分は、Ｎｐ行Ｄ１列の０の成分の行列と、前記第１特徴量行列と、の前記行方向における結合を含む。前記第３行列データの成分は、前記第１他特徴量行列と、Ｎ１行Ｄ１列の０の成分の行列と、の前記行方向における結合を含む。前記第１生成ラベルの成分は、前記第１他ラベルと前記第１取得ラベルとの前記行方向における結合を含む。（Ｎｐ＋Ｎ１）／Ｄ１は、２５０以上である。
【図面の簡単な説明】
【0006】
【発明を実施するための形態】
【0007】
以下に、本発明の実施形態について図面を参照しつつ説明する。
図面は模式的または概念的なものである。本願明細書と各図において、既出の図に関して前述したものと同様の要素には同一の符号を付して詳細な説明は適宜省略する。
図面は模式的または概念的なものである。本願明細書と各図において、既出の図に関して前述したものと同様の要素には同一の符号を付して詳細な説明は適宜省略する。
【0008】
（第１実施形態）
図１は、第１実施形態に係るデータ処理装置を例示する模式図である。
図１に示すように、実施形態に係るデータ処理装置１１０は、処理部７１を含む。処理部７１は、各種のデータ１０Ｄを取得可能である。例えば、データ処理装置１１０は、取得部７２を含んでも良い。取得部７２が各種のデータ１０Ｄを取得し、取得部７２が取得したデータ１０Ｄが処理部７１に供給されても良い。データ処理装置１１０は、記憶部７３を含んでも良い。取得部７２が取得したデータ１０Ｄが記憶部７３に記憶されても良い。処理部７１は、記憶部７３に記憶されたデータ１０Ｄを記憶部７３から取得しても良い。
図１は、第１実施形態に係るデータ処理装置を例示する模式図である。
図１に示すように、実施形態に係るデータ処理装置１１０は、処理部７１を含む。処理部７１は、各種のデータ１０Ｄを取得可能である。例えば、データ処理装置１１０は、取得部７２を含んでも良い。取得部７２が各種のデータ１０Ｄを取得し、取得部７２が取得したデータ１０Ｄが処理部７１に供給されても良い。データ処理装置１１０は、記憶部７３を含んでも良い。取得部７２が取得したデータ１０Ｄが記憶部７３に記憶されても良い。処理部７１は、記憶部７３に記憶されたデータ１０Ｄを記憶部７３から取得しても良い。
【0009】
取得部７２は、例えば、インタフェースである。取得部７２は、例えば、入力及び出力のためのインタフェースで良い。処理部７１は、処理した結果に関する情報Ｉ１を出力しても良い。情報Ｉ１は、取得部７２（インタフェース）を介して出力されても良い。処理部７１は、サーバ７４と通信可能でも良い。通信は、情報の提供、及び、情報の取得の少なくともいずれかを含んで良い。通信は、有線または無線の任意の方法に基づいて良い。
【0010】
データ１０Ｄは、例えば、取得データ（例えば、第１取得データ１１及び第２取得データ１２など）などを含んでも良い。データ１０Ｄは、他データ（例えば、第１他データ５１及び第２他データ５２など）を含んでも良い。
【0011】
図２は、第１実施形態に係るデータ処理装置の動作を例示する模式図である。
実施形態において、取得部７２及び処理部７１は、第１動作ＯＰ１を実施可能である。取得部７２は、第１動作ＯＰ１において、第１取得データ１１を取得可能である。処理部７１は、第１取得データ１１を取得部７２から取得して良い。処理部７１は、記憶部７３に記憶された第１取得データ１１を取得して良い。
実施形態において、取得部７２及び処理部７１は、第１動作ＯＰ１を実施可能である。取得部７２は、第１動作ＯＰ１において、第１取得データ１１を取得可能である。処理部７１は、第１取得データ１１を取得部７２から取得して良い。処理部７１は、記憶部７３に記憶された第１取得データ１１を取得して良い。
【0012】
処理部７１は、第１他データ５１を取得する。例えば、取得部７２が第１他データ５１を取得し、処理部７１は、取得部７２から第１他データ５１を取得しても良い。処理部７１は、記憶部７３に記憶された第１他データ５１を取得しても良い。
【0013】
処理部７１は、第１動作ＯＰ１において、第１取得データ１１及び第１他データ５１に基づく第１生成データ２１に基づいて、第１機械学習モデル３１を生成可能である。
【0014】
第１他データ５１は、Ｎｐ行Ｄ１列の第１他特徴量行列５１ａと、Ｎｐ行の第１他ラベル５１ｂと、を含む。「Ｎｐ」は、２以上の整数である。第１他ラベル５１ｂは、第１他特徴量行列５１ａに対応する。「Ｎｐ」は、例えば、第１他データ５１におけるサンプル数に対応する。
【0015】
第１取得データ１１は、Ｎ１行Ｄ１列の第１特徴量行列１１ａと、Ｎ１行の第１取得ラベル１１ｂと、を含む。「Ｎ１」は、２以上の整数である。「Ｄ１」は、１以上の整数である。「Ｎ１」は、「Ｎｐ」よりも小さい。「Ｎ１」は、例えば、第１取得データ１１におけるサンプル数に対応する。
【0016】
１つの例において、第１取得データ１１は、対象機器に関する小規模のデータである。第１他データ５１は、対象機器、及び、その対象機器と類似する機器の少なくともいずれかに関する大規模データである。例えば、第１取得データ１１は、小規模な実験に関する評価データに関する。例えば、第１他データ５１は、大量生産品に関する評価データに関する。
【0017】
１つの例において、対象機器は、磁気記憶再生装置である。第１取得データ１１は、磁気記録再生装置の試作品に関するデータに関する。第１他データ５１は、磁気記録再生装置の大量生産品に関するデータに関する。
【0018】
処理部７１は、このような第１取得データ１１及び第１他データ５１に基づいて、第１生成データ２１を生成可能である。図２に示すように、第１生成データ２１は、第１生成行列２１ａ及び第１生成ラベル２１ｂを含む。第１生成行列２１ａは、（Ｎｐ＋Ｎ１）行（３×Ｄ１）列の行列である。第１生成ラベル２１ｂは、（Ｎｐ＋Ｎ１）行のデータである。第１生成ラベル２１ｂの列の数は、例えば、１である。
【0019】
第１生成行列２１ａは、第１行列データＭ１、第２行列データＭ２及び第３行列データＭ３を含む。
【0020】
第１行列データＭ１の成分は、第１他特徴量行列５１ａと、第１特徴量行列１１ａと、の行方向における結合を含む。
【0021】
第２行列データＭ２の成分は、Ｎｐ行Ｄ１列の０の成分の行列Ｍｘａ１（すなわち、０行列）と、第１特徴量行列１１ａと、の行方向における結合を含む。
【0022】
第３行列データＭ３の成分は、第１他特徴量行列５１ａと、Ｎ１行Ｄ１列の０の成分の行列Ｍｘｂ１（すなわち、０行列）と、の行方向における結合を含む。
【0023】
第１生成ラベル２１ｂの成分は、第１他ラベル５１ｂと第１取得ラベル１１ｂとの行方向における結合を含む。
【0024】
実施形態において、（Ｎｐ＋Ｎ１）／Ｄ１は、例えば、２５０以上である。（Ｎｐ＋Ｎ１）／Ｄ１を第１比Ｒ１とする。後述するように、実施形態において、第１比Ｒ１は、５００以上でも良い。
【0025】
実施形態においては、このような第１生成データ２１が生成される。第１生成データ２１に基づいて第１機械学習モデル３１が生成される。第１機械学習モデル３１において、高い精度のデータ処理が可能になる。
【0026】
例えば、実施形態において、転移学習が行われる。実施形態に係る転移学習においては、例えば、第１取得データ１１（目的データ）が第１他データ５１と組み合わされた第１生成データ２１が導出される。このような第１生成データ２１に基づく機械学習モデルが用いられる。これにより、目的データだけに基づく機械学習モデルが用いられる第１参考例よりも高い精度が得られる。
【0027】
後述するように、第１比Ｒ１（すなわち、（Ｎｐ＋Ｎ１）／Ｄ１）が２５０以上の場合に、第１参考例よりも高い精度が得られる。第１比Ｒ１と精度との関係の例については後述する。
【0028】
図３～図５は、第１実施形態に係るデータ処理装置の動作を例示する模式図である。
図３は、第１他データ５１を例示している。図４は、第１取得データ１１を例示している。図５は、第１生成データ２１を例示している。
図３は、第１他データ５１を例示している。図４は、第１取得データ１１を例示している。図５は、第１生成データ２１を例示している。
【0029】
図３に示すように、第１他データ５１は、Ｎｐ行の第１他ラベル５１ｂを含む。第１他ラベル５１ｂは、例えば、ｙｐ＿１；ｙｐ＿２；…ｙｐ＿Ｎｐを含む。第１他データ５１は、Ｎｐ行Ｄ１列の第１他特徴量行列５１ａを含む。第１他特徴量行列５１ａの第１行は、例えば、ｘｐ＿１，１；ｘｐ＿１，２；…ｘｐ＿１，Ｄ１を含む。第１他特徴量行列５１ａの第２行は、例えば、ｘｐ＿２，１；ｘｐ＿２，２；…ｘｐ＿２，Ｄ１を含む。第１他特徴量行列５１ａの第Ｎｐ行は、例えば、ｘｐ＿Ｎｐ，１；ｘｐ＿Ｎｐ，２；…ｘｐ＿Ｎｐ，Ｄ１を含む。
【0030】
図４に示すように、第１取得データ１１は、Ｎ１行の第１取得ラベル１１ｂを含む。第１取得ラベル１１ｂは、例えば、ｙ１＿１；ｙ１＿２；…ｙ１＿Ｎ１を含む。第１取得データ１１は、Ｎ１行Ｄ１列の第１特徴量行列１１ａを含む。第１特徴量行列１１ａの第１行は、例えば、ｘ１＿１，１；ｘ１＿１，２；…ｘ１＿１，Ｄ１を含む。第１特徴量行列１１ａの第２行は、例えば、ｘ１＿２，１；ｘ１＿２，２；…ｘ１＿２，Ｄ１を含む。第１特徴量行列１１ａの第Ｎ１行は、例えば、ｘ１＿Ｎ１，１；ｘ１＿Ｎ１，２；…ｘ１＿Ｎ１，Ｄ１を含む。
【0031】
図５に示すように、第１生成データ２１は、（Ｎｐ＋Ｎ１）行の第１生成ラベル２１ｂを含む。第１生成ラベル２１ｂは、例えば、ｙｐ＿１；ｙｐ＿２；…ｙｐ＿Ｎｐ；ｙ１＿１；ｙ１＿２；…ｙ１＿Ｎ１を含む。
【0032】
第１生成データ２１は、（Ｎｐ＋Ｎ１）行（３×Ｄ１）列の第１生成行列２１ａを含む。
【0033】
第１生成行列２１ａの第１行は、例えば、ｘｐ＿１，１；ｘｐ＿１，２；…ｘｐ＿１，Ｄ１；Ｄ１個の０；ｘｐ＿１，１；ｘｐ＿１，２；…ｘｐ＿１，Ｄ１を含む。第１生成行列２１ａの第２行は、例えば、ｘｐ＿２，１；ｘｐ＿２，２；…ｘｐ＿２，Ｄ１；Ｄ１個の０；ｘｐ＿２，１；ｘｐ＿２，２；…ｘｐ＿２，Ｄ１を含む。第１生成行列２１ａの第Ｎｐ行は、例えば、ｘｐ＿Ｎｐ，１；ｘｐ＿Ｎｐ，２；…ｘｐ＿Ｎｐ，Ｄ１；Ｄ１個の０；ｘｐ＿Ｎｐ，１；ｘｐ＿Ｎｐ，２；…ｘｐ＿Ｎｐ，Ｄ１を含む。
【0034】
第１生成行列２１ａの第（Ｎｐ＋１）行は、例えば、ｘ１＿１，１；ｘ１＿１，２；…ｘ１＿１，Ｄ１；ｘ１＿１，１；ｘ１＿１，２；…ｘ１＿１，Ｄ１；Ｄ１個の０を含む。第１生成行列２１ａの第（Ｎｐ＋２）行は、例えば、ｘ１＿２，１；ｘ１＿２，２；…ｘ１＿２，Ｄ１；ｘ１＿２，１；ｘ１＿２，２；…ｘ１＿２，Ｄ１；Ｄ１個の０を含む。第１生成行列２１ａの第（Ｎｐ＋Ｎ１）行は、例えば、ｘ１＿Ｎ１，１；ｘ１＿Ｎ１，２；…ｘ１＿Ｎ１，Ｄ１；ｘ１＿Ｎ１，１；ｘ１＿Ｎ１，２；…ｘ１＿Ｎ１，Ｄ１；Ｄ１個の０を含む。
【0035】
このような第１生成データ２１に基づいて、第１機械学習モデル３１が生成される。例えば、処理部７１は、第１機械学習モデル３１を、カーネル回帰、線形回帰、Ridge回帰、Lasso回帰、Elastic Net、勾配ブースティング回帰、ランダムフォレスト回帰、k近傍回帰、及び、ロジスティック回帰よりなる群から選択された少なくとも１つにより生成する。
【0036】
カーネル回帰は、例えば、ガウス過程回帰、及び、ＳＶＲ（Support Vector Regression）の少なくともいずれかを含んで良い。
【0037】
図１に示すように、実施形態において、記憶部７３は、第１記憶領域７３ａ及び第２記憶領域７３ｂを含んでも良い。例えば、取得部７２で取得された第１取得データ１１は、第１記憶領域７３ａに記憶される。例えば、第１他データ５１が、第１記憶領域７３ａに記憶されても良い。処理部７１は、第１記憶領域７３ａから第１取得データ１１及び第１他データ５１を取得して、第１動作ＯＰ１を実施しても良い。
【0038】
図１に示すように、記憶部７３は、第２記憶領域７３ｂを含んでも良い。処理部７１は、生成した第１生成データ２１を第２記憶領域７３ｂに記憶させることが可能でも良い。処理部７１は、導出した第１機械学習モデル３１を第２記憶領域７３ｂに記憶させることが可能でも良い。
【0039】
処理部７１は、第１動作ＯＰ１において、さらに以下の処理を実施可能でも良い。
図６は、第１実施形態に係るデータ処理装置の動作を例示する模式図である。
図６に示すように、処理部７１は、第１動作ＯＰ１において、第１回帰行列６１ａを第１機械学習モデル３１に入力して第１回帰ラベル６１ｂをさらに導出可能である。
図６は、第１実施形態に係るデータ処理装置の動作を例示する模式図である。
図６に示すように、処理部７１は、第１動作ＯＰ１において、第１回帰行列６１ａを第１機械学習モデル３１に入力して第１回帰ラベル６１ｂをさらに導出可能である。
【0040】
第１回帰行列６１ａは、Ｎ１行（３×Ｄ１）列である。第１回帰行列６１ａは、第１回帰行列データＫ１、第２回帰行列データＫ２及び第３回帰行列データＫ３を含む。第１回帰行列データＫ１の成分は、第１特徴量行列１１ａを含む。第２回帰行列データＫ２の成分は、第１特徴量行列１１ａを含む。第３回帰行列データＫ３の成分は、Ｎ１行Ｄ１列の０の成分の行列Ｍｘｃ１（すなわち、０行列）を含む。導出される第１回帰ラベル６１ｂは、Ｎ１行である。
【0041】
このようにして得られた第１回帰ラベル６１ｂにおいて、高い精度が得られる。例えば、上記の第１参考例においては、第１取得データ１１（目的データ）に基づく機械学習モデルが用いられる。第１参考例において、この機械学習モデルを用いて得られる回帰ラベルの精度は低い。実施形態においては、第１参考例よりも高い精度の第１回帰ラベル６１ｂが得られる。
【0042】
図７は、第１実施形態に係るデータ処理装置の動作を例示する模式図である。
図７は、第１回帰行列６１ａを例示している。第１回帰行列６１ａの第１行は、例えば、ｘ１＿１，１；ｘ１＿１，２；…ｘ１＿１，Ｄ１；ｘ１＿１，１；ｘ１＿１，２；…ｘ１＿１，Ｄ１；Ｄ１個の０を含む。第１回帰行列６１ａの第２行は、例えば、ｘ１＿２，１；ｘ１＿２，２；…ｘ１＿２，Ｄ１；ｘ１＿２，１；ｘ１＿２，２；…ｘ１＿２，Ｄ１；Ｄ１個の０を含む。第１回帰行列６１ａの第Ｎ１行は、例えば、ｘ１＿Ｎ１，１；ｘ１＿Ｎ１，２；…ｘ１＿Ｎ１，Ｄ１；ｘ１＿Ｎ１，１；ｘ１＿Ｎ１，２；…ｘ１＿Ｎ１，Ｄ１；Ｄ１個の０を含む。このような第１回帰行列６１ａが、第１機械学習モデル３１に入力されて、第１回帰ラベル６１ｂが得られる。
図７は、第１回帰行列６１ａを例示している。第１回帰行列６１ａの第１行は、例えば、ｘ１＿１，１；ｘ１＿１，２；…ｘ１＿１，Ｄ１；ｘ１＿１，１；ｘ１＿１，２；…ｘ１＿１，Ｄ１；Ｄ１個の０を含む。第１回帰行列６１ａの第２行は、例えば、ｘ１＿２，１；ｘ１＿２，２；…ｘ１＿２，Ｄ１；ｘ１＿２，１；ｘ１＿２，２；…ｘ１＿２，Ｄ１；Ｄ１個の０を含む。第１回帰行列６１ａの第Ｎ１行は、例えば、ｘ１＿Ｎ１，１；ｘ１＿Ｎ１，２；…ｘ１＿Ｎ１，Ｄ１；ｘ１＿Ｎ１，１；ｘ１＿Ｎ１，２；…ｘ１＿Ｎ１，Ｄ１；Ｄ１個の０を含む。このような第１回帰行列６１ａが、第１機械学習モデル３１に入力されて、第１回帰ラベル６１ｂが得られる。
【0043】
図８は、第１実施形態に係るデータ処理装置の動作を例示する模式図である。
図８は、第１回帰ラベル６１ｂを例示している。図８に示すように、第１回帰ラベル６１ｂは、例えば、ｚ１＿１；ｚ１＿２；…ｚ１＿Ｎ１を含む。このような第１回帰ラベル６１ｂは、高い精度を有する。
図８は、第１回帰ラベル６１ｂを例示している。図８に示すように、第１回帰ラベル６１ｂは、例えば、ｚ１＿１；ｚ１＿２；…ｚ１＿Ｎ１を含む。このような第１回帰ラベル６１ｂは、高い精度を有する。
【0044】
以下に説明するように、取得部７２及び処理部７１は、第２動作を実施可能でも良い。
【0045】
図９は、第１実施形態に係るデータ処理装置の動作を例示する模式図である。
実施形態において、取得部７２及び処理部７１は、第２動作ＯＰ２を実施可能である。取得部７２は、第２動作ＯＰ２において、第２取得データ１２を取得可能である。処理部７１は、第２取得データ１２を取得部７２から取得して良い。処理部７１は、記憶部７３に記憶された第２取得データ１２を取得して良い。
実施形態において、取得部７２及び処理部７１は、第２動作ＯＰ２を実施可能である。取得部７２は、第２動作ＯＰ２において、第２取得データ１２を取得可能である。処理部７１は、第２取得データ１２を取得部７２から取得して良い。処理部７１は、記憶部７３に記憶された第２取得データ１２を取得して良い。
【0046】
処理部７１は、第２他データ５２を取得する。例えば、取得部７２が第２他データ５２を取得し、処理部７１は、取得部７２から第２他データ５２を取得しても良い。処理部７１は、記憶部７３に記憶された第２他データ５２を取得しても良い。
【0047】
処理部７１は、第２動作ＯＰ２において、第２取得データ１２及び第２他データ５２に基づく第２生成データ２２に基づいて、第２機械学習モデル３２を生成可能である。
【0048】
第２他データ５２は、Ｎｑ行Ｄ２列の第２他特徴量行列５２ａと、Ｎｑ行の第２他ラベル５２ｂと、を含む。「Ｎｑ」は、２以上の整数である。第２他ラベル５２ｂは、第２他特徴量行列５２ａに対応する。「Ｎｑ」は、例えば、第２他データ５２におけるサンプル数に対応する。
【0049】
第２取得データ１２は、Ｎ２行Ｄ２列の第２特徴量行列１２ａと、Ｎ２行の第２取得ラベル１２ｂと、を含む。「Ｎ２」は、２以上の整数である。「Ｄ２」は、１以上の整数である。「Ｎ２」は、「Ｎｑ」よりも小さい。「Ｎ２」は、例えば、第２取得データ１２におけるサンプル数に対応する。
【0050】
例えば、第２取得データ１２は、第２取得データ１２に対応する対象機器に関する小規模のデータである。第２他データ５２は、対象機器、及び、その対象機器と類似する機器の少なくともいずれかに関する大規模データである。
【0051】
処理部７１は、このような第２取得データ１２及び第２他データ５２に基づいて、第２生成データ２２を生成可能である。図９に示すように、第２生成データ２２は、第２生成行列２２ａ及び第２生成ラベル２２ｂを含む。第２生成行列２２ａは、（Ｎｑ＋Ｎ２）行（３×Ｄ２）列の行列である。第２生成ラベル２２ｂは、（Ｎｑ＋Ｎ２）行のデータである。第２生成ラベル２２ｂの列の数は、例えば、１である。
【0052】
第２生成行列２２ａは、第４行列データＭ４、第５行列データＭ５及び第６行列データＭ６を含む。
【0053】
第４行列データＭ４の成分は、第２他特徴量行列５２ａと、第２特徴量行列１２ａと、の行方向における結合を含む。
【0054】
第５行列データＭ５の成分は、Ｎｑ行Ｄ２列の０の成分の行列Ｍｘａ２（すなわち、０行列）と、第２特徴量行列１２ａと、の行方向における結合を含む。
【0055】
第６行列データＭ６の成分は、第２他特徴量行列５２ａと、Ｎ２行Ｄ２列の０の成分の行列Ｍｘｂ２（すなわち、０行列）と、の行方向における結合を含む。
【0056】
第２生成ラベル２２ｂの成分は、第２他ラベル５２ｂと第２取得ラベル１２ｂとの行方向における結合を含む。
【0057】
第２動作ＯＰ２において、（Ｎｑ＋Ｎ２）／Ｄ２は、例えば、２５０以上である。この比は、５００以上でも良い。
【0058】
実施形態においては、このような第２生成データ２２が生成される。第２生成データ２２に基づいて第２機械学習モデル３２が生成される。第２機械学習モデル３２において、高い精度のデータ処理が可能になる。
【0059】
図１０～図１２は、第１実施形態に係るデータ処理装置の動作を例示する模式図である。
図１０は、第２他データ５２を例示している。図１１は、第２取得データ１２を例示している。図１２は、第２生成データ２２を例示している。
図１０は、第２他データ５２を例示している。図１１は、第２取得データ１２を例示している。図１２は、第２生成データ２２を例示している。
【0060】
図１０に示すように、第２他データ５２は、Ｎｑ行の第２他ラベル５２ｂを含む。第２他ラベル５２ｂは、例えば、ｙｑ＿１；ｙｑ＿２；…ｙｑ＿Ｎｐを含む。第２他データ５２は、Ｎｑ行Ｄ２列の第２他特徴量行列５２ａを含む。第２他特徴量行列５２ａの第１行は、例えば、ｘｑ＿１，１；ｘｑ＿１，２；…ｘｑ＿１，Ｄ２を含む。第２他特徴量行列５２ａの第２行は、例えば、ｘｑ＿２，１；ｘｑ＿２，２；…ｘｑ＿２，Ｄ２を含む。第２他特徴量行列５２ａの第Ｎｑ行は、例えば、ｘｑ＿Ｎｑ，１；ｘｑ＿Ｎｑ，２；…ｘｑ＿Ｎｑ，Ｄ２を含む。
【0061】
図１１に示すように、第２取得データ１２は、Ｎ２行の第２取得ラベル１２ｂを含む。第２取得ラベル１２ｂは、例えば、ｙ２＿１；ｙ２＿２；…ｙ２＿Ｎ２を含む。第２取得データ１２は、Ｎ２行Ｄ２列の第２特徴量行列１２ａを含む。第２特徴量行列１２ａの第１行は、例えば、ｘ２＿１，１；ｘ２＿１，２；…ｘ２＿１，Ｄ２を含む。第２特徴量行列１２ａの第２行は、例えば、ｘ２＿２，１；ｘ２＿２，２；…ｘ２＿２，Ｄ２を含む。第２特徴量行列１２ａの第Ｎ２行は、例えば、ｘ２＿Ｎ２，１；ｘ２＿Ｎ２，２；…ｘ２＿Ｎ２，Ｄ２を含む。
【0062】
図１２に示すように、第２生成データ２２は、（Ｎｑ＋Ｎ２）行の第２生成ラベル２２ｂを含む。第２生成ラベル２２ｂは、例えば、ｙｑ＿１；ｙｑ＿２；…ｙｑ＿Ｎｑ；ｙ２＿１；ｙ２＿２；…ｙ２＿Ｎ２を含む。
【0063】
第２生成データ２２は、（Ｎｑ＋Ｎ２）行（３×Ｄ２）列の第２生成行列２２ａを含む。
【0064】
第２生成行列２２ａの第１行は、例えば、ｘｑ＿１，１；ｘｑ＿１，２；…ｘｑ＿１，Ｄ２；Ｄ２個の０；ｘｑ＿１，１；ｘｑ＿１，２；…ｘｑ＿１，Ｄ２を含む。第２生成行列２２ａの第２行は、例えば、ｘｐ＿２，１；ｘｐ＿２，２；…ｘｐ＿２，Ｄ２；Ｄ２個の０；ｘｑ＿２，１；ｘｑ＿２，２；…ｘｑ＿２，Ｄ２を含む。第２生成行列２２ａの第Ｎｑ行は、例えば、ｘｑ＿Ｎｐ，１；ｘｑ＿Ｎｐ，２；…ｘｑ＿Ｎｐ，Ｄ２；Ｄ２個の０；ｘｑ＿Ｎｑ，１；ｘｑ＿Ｎｐ，２；…ｘｑ＿Ｎｑ，Ｄ２を含む。
【0065】
第２生成行列２２ａの第（Ｎｑ＋１）行は、例えば、ｘ２＿１，１；ｘ２＿１，２；…ｘ２＿１，Ｄ２；ｘ２＿１，１；ｘ２＿１，２；…ｘ２＿１，Ｄ２；Ｄ２個の０を含む。第２生成行列２２ａの第（Ｎｑ＋２）行は、例えば、ｘ２＿２，１；ｘ２＿２，２；…ｘ２＿２，Ｄ２；ｘ２＿２，１；ｘ２＿２，２；…ｘ２＿２，Ｄ２；Ｄ２個の０を含む。第２生成行列２２ａの第（Ｎｑ＋Ｎ２）行は、例えば、ｘ２＿Ｎ２，１；ｘ２＿Ｎ２，２；…ｘ２＿Ｎ２，Ｄ２；ｘ２＿Ｎ２，１；ｘ２＿Ｎ２，２；…ｘ２＿Ｎ２，Ｄ２；Ｄ２個の０を含む。
【0066】
このような第２生成データ２２に基づいて、第２機械学習モデル３２が生成される。第２機械学習モデル３２は、例えば、第１機械学習モデル３１と同様の方法で生成されて良い。
【0067】
第２取得データ１２は、第１記憶領域７３ａに記憶されて良い。例えば、第２他データ５２は、第１記憶領域７３ａに記憶されて良い。処理部７１は、第１記憶領域７３ａから第２取得データ１２及び第２他データ５２を取得して、第２動作ＯＰ２を実施しても良い。
【0068】
処理部７１は、生成した第２生成データ２２を第２記憶領域７３ｂに記憶させることが可能でも良い。処理部７１は、導出した第２機械学習モデル３２を第２記憶領域７３ｂに記憶させることが可能でも良い。
【0069】
処理部７１は、第２動作ＯＰ２において、さらに以下の処理を実施可能でも良い。
図１３は、第１実施形態に係るデータ処理装置の動作を例示する模式図である。
図１３に示すように、処理部７１は、第２動作ＯＰ２において、第２回帰行列６２ａを第２機械学習モデル３２に入力して第２回帰ラベル６２ｂをさらに導出可能である。
図１３は、第１実施形態に係るデータ処理装置の動作を例示する模式図である。
図１３に示すように、処理部７１は、第２動作ＯＰ２において、第２回帰行列６２ａを第２機械学習モデル３２に入力して第２回帰ラベル６２ｂをさらに導出可能である。
【0070】
第２回帰行列６２ａは、Ｎ２行（３×Ｄ２）列である。第２回帰行列６２ａは、第４回帰行列データＫ４、第５回帰行列データＫ５及び第６回帰行列データＫ６を含む。第４回帰行列データＫ４の成分は、第２特徴量行列１２ａを含む。第５回帰行列データＫ５の成分は、第２特徴量行列１２ａを含む。第６回帰行列データＫ６の成分は、Ｎ２行Ｄ２列の０の成分の行列Ｍｘｃ２（すなわち、０行列）を含む。導出される第２回帰ラベル６２ｂは、Ｎ２行である。
【0071】
このようにして得られた第２回帰ラベル６２ｂにおいて、高い精度が得られる。例えば、第２回帰ラベル６２ｂにおける精度は、高い。例えば、第１参考例においては、第２取得データ１２（目的データ）に基づく機械学習モデルが用いられる。第１参考例において、この機械学習モデルを用いて得られる回帰ラベルの精度は低い。実施形態においては、第１参考例よりも高い精度の第２回帰ラベル６２ｂが得られる。
【0072】
図１４は、第１実施形態に係るデータ処理装置の動作を例示する模式図である。
図１４は、第２回帰行列６２ａを例示している。第２回帰行列６２ａの第１行は、例えば、ｘ２＿１，１；ｘ２＿１，２；…ｘ２＿１，Ｄ２；ｘ２＿１，１；ｘ２＿１，２；…ｘ２＿１，Ｄ２；Ｄ２個の０を含む。第２回帰行列６２ａの第２行は、例えば、ｘ２＿２，１；ｘ２＿２，２；…ｘ２＿２，Ｄ２；ｘ２＿２，１；ｘ２＿２，２；…ｘ２＿２，Ｄ２；Ｄ２個の０を含む。第２回帰行列６２ａの第Ｎ２行は、例えば、ｘ２＿Ｎ１，１；ｘ２＿Ｎ１，２；…ｘ２＿Ｎ２，Ｄ２；ｘ２＿Ｎ２，１；ｘ２＿Ｎ２，２；…ｘ２＿Ｎ２，Ｄ２；Ｄ２個の０を含む。このような第２回帰行列６２ａが、第２機械学習モデル３２に入力されて、第２回帰ラベル６２ｂが得られる。
図１４は、第２回帰行列６２ａを例示している。第２回帰行列６２ａの第１行は、例えば、ｘ２＿１，１；ｘ２＿１，２；…ｘ２＿１，Ｄ２；ｘ２＿１，１；ｘ２＿１，２；…ｘ２＿１，Ｄ２；Ｄ２個の０を含む。第２回帰行列６２ａの第２行は、例えば、ｘ２＿２，１；ｘ２＿２，２；…ｘ２＿２，Ｄ２；ｘ２＿２，１；ｘ２＿２，２；…ｘ２＿２，Ｄ２；Ｄ２個の０を含む。第２回帰行列６２ａの第Ｎ２行は、例えば、ｘ２＿Ｎ１，１；ｘ２＿Ｎ１，２；…ｘ２＿Ｎ２，Ｄ２；ｘ２＿Ｎ２，１；ｘ２＿Ｎ２，２；…ｘ２＿Ｎ２，Ｄ２；Ｄ２個の０を含む。このような第２回帰行列６２ａが、第２機械学習モデル３２に入力されて、第２回帰ラベル６２ｂが得られる。
【0073】
図１５は、第１実施形態に係るデータ処理装置の動作を例示する模式図である。
図１５は、第２回帰ラベル６２ｂを例示している。図１５に示すように、第２回帰ラベル６２ｂは、例えば、ｚ２＿１；ｚ２＿２；…ｚ２＿Ｎ２を含む。このような第２回帰ラベル６２ｂは、高い精度を有する。
図１５は、第２回帰ラベル６２ｂを例示している。図１５に示すように、第２回帰ラベル６２ｂは、例えば、ｚ２＿１；ｚ２＿２；…ｚ２＿Ｎ２を含む。このような第２回帰ラベル６２ｂは、高い精度を有する。
【0074】
処理部７１は、第３動作を実施可能でも良い。
図１６は、第１実施形態に係るデータ処理装置の動作を例示する模式図である。
図１６に示すように、処理部７１は、第３動作ＯＰ３において、第１回帰ラベル６１ｂと第２回帰ラベル６２ｂとの比較に関する情報Ｉ１を出力する。
図１６は、第１実施形態に係るデータ処理装置の動作を例示する模式図である。
図１６に示すように、処理部７１は、第３動作ＯＰ３において、第１回帰ラベル６１ｂと第２回帰ラベル６２ｂとの比較に関する情報Ｉ１を出力する。
【0075】
例えば、情報Ｉ１は、第１結果及び第２結果の少なくともいずれかを含む。第１結果は、第１回帰ラベル６１ｂの成分の最大値と、第２回帰ラベル６２ｂの成分の最大値と、の比較結果を含む。第２結果は、第１回帰ラベル６１ｂの成分の最小値と、第２回帰ラベル６２ｂの前記成分の最小値と、の比較結果を含む。
【0076】
例えば、対象装置が磁気記録再生装置である場合、特徴量は磁気ヘッドのヘッド幅を含む。ラベルは、例えば、面記録密度を含む。例えば、第１回帰ラベル６１ｂは、面記録密度の関する複数の値を含む。第２回帰ラベル６２ｂは、面記録密度の関する複数の値を含む。例えば、第１回帰ラベル６１ｂに含まれる複数の値の最大値と、第２回帰ラベル６２ｂに含まれる複数の値の最大値と、が比較される。比較の結果に関する情報Ｉ１が出力される。
【0077】
例えば、第１取得データ１１は、第１試作に関するデータである。第２取得データ１２は、第２試作に関するデータである。第２試作における条件は、第１試作における条件と異なる。実施形態においては、複数の試作の結果をより高い精度で評価できる。
【0078】
以下、実施形態に係るデータ処理装置１１０の特性の例について説明する。
以下の例は、異なる条件の２種類の磁気記録再生装置に関する面記録密度に関する。２種類の条件の磁気記録再生装置のそれぞれについて、正確な判定が可能な十分に大量のデータが既に得られている。すなわち、第１条件の磁気記録再生装置に関する第１母データと、第２条件の磁気記録再生装置に関する第２母データと、が既に得られている。第１母データ及び第２母データにより、第１条件及び第２条件に関しての性能（この例では、面記録密度）の優劣（「実際の順位」）が既知である。データ処理装置の特性を評価するために、これらのデータが試験的に用いられる。
以下の例は、異なる条件の２種類の磁気記録再生装置に関する面記録密度に関する。２種類の条件の磁気記録再生装置のそれぞれについて、正確な判定が可能な十分に大量のデータが既に得られている。すなわち、第１条件の磁気記録再生装置に関する第１母データと、第２条件の磁気記録再生装置に関する第２母データと、が既に得られている。第１母データ及び第２母データにより、第１条件及び第２条件に関しての性能（この例では、面記録密度）の優劣（「実際の順位」）が既知である。データ処理装置の特性を評価するために、これらのデータが試験的に用いられる。
【0079】
データ処理装置の特性の評価のために、第１母データから任意のデータが抽出されて、第１取得データ１１が得られる。第１取得データ１１の数は、第１母データの数よりも小さい。一方、第２母データから任意のデータが抽出されて、第２取得データ１２が得られる。第２取得データ１２の数は、第２母データの数よりも小さい。
【0080】
以下に説明する第１計算例においては、第１生成データ２１が、第１他データ５１及び第１取得データ１１に基づいて生成される。さらに、第２生成データ２２が、第２他データ５２及び第２取得データ１２に基づいて生成される。第１他特徴量行列５１ａ、第１特徴量行列１１ａ、第２他特徴量行列５２ａ、及び、第２特徴量行列１２ａは、磁気記録再生装置における磁気ヘッドのヘッド幅である。第１他ラベル５１ｂ、第１取得ラベル１１ｂ、第２他ラベル５２ｂ及び第２取得ラベル１２ｂは、磁気記録再生装置における面記録密度である。
【0081】
さらに、第１機械学習モデル３１が導出される。さらに、第１回帰行列６１ａが第１機械学習モデル３１に入力されることで第１回帰ラベル６１ｂが導出される。このようにして得られた第１回帰ラベル６１ｂは、第１取得データ１１の数が第１母データの数よりも小さいため、正確でない場合がある。
【0082】
一方、第２機械学習モデル３２が導出される。さらに、第２回帰行列６２ａが第２機械学習モデル３２に入力されることで第２回帰ラベル６２ｂが導出される。このようにして得られた第２回帰ラベル６２ｂは、第２取得データ１２の数が第２母データの数よりも小さいため、正確でない場合がある。
【0083】
第１回帰ラベル６１ｂ及び第２回帰ラベル６２ｂに関する優劣が評価される。回帰ラベルに関する優劣の評価結果が、第１母データ及び第２母データに基づく優劣と同じ場合は、「正答」に対応する。回帰ラベルに関する優劣の評価結果が、第１母データ及び第２母データに基づく優劣と異なる場合は、「誤答」に対応する。
【0084】
以下に説明する評価では、第１比Ｒ１（すなわち、（Ｎｐ＋Ｎ１）／Ｄ１）が変更され、「正答率」が導出される。以下の例において、「Ｄ１」は１である。「Ｎｑ」は、「Ｎｐ」と同じである。「Ｄ２」は、「Ｄ１」と同じである。（Ｎｑ＋Ｎ２）／Ｄ２は、（Ｎｐ＋Ｎ１）／Ｄ１と同じである。
【0085】
第１比Ｒ１が５００よりも高い場合は、「Ｎ１」及び「Ｎ２」が２００で一定とされ、「Ｎｐ」を変更することで、第１比Ｒ１が変更される。一方、第１比Ｒ１が５００以下の場合は、Ｎｐ／Ｎ１が１．５で一定とされ、「Ｎｐ」及び「Ｎ１」を変更することで、第１比Ｒ１が変更される。
【0086】
一方、以下に説明する第２計算例においては、第１取得データ１１だけに基づく機械学習モデル、及び、第２取得データ１２だけに基づく機械学習モデルが用いられる。第２計算例では、第１他データ５１が用いられず、第２他データ５２が用いられない。これらの計算例において、機械学習モデルは、線形回帰である。第２計算例においても、第１回帰ラベル６１ｂ及び第２回帰ラベル６２ｂに関する優劣が評価され、「正答率」が算出される。
【0087】
図１７は、第１実施形態に係るデータ処理装置の特性を例示するグラフである。
図１７には、第１計算例ＣＣ１及び第２計算例ＣＣ２の結果が示されている。既に説明したように、第１計算例ＣＣ１においては、実施形態に係る上記の手法により、第１生成データ２１に基づく第１機械学習モデル３１、及び、第２生成データ２２に基づく第２機械学習モデル３２が用いられる。一方、第２計算例ＣＣ２では、第１取得データ１１のみに基づく機械学習モデル、及び、第２取得データ１２のみに基づく機械学習モデルが用いられる。第２計算例ＣＣ２は、上記の第１参考例に対応する。
図１７には、第１計算例ＣＣ１及び第２計算例ＣＣ２の結果が示されている。既に説明したように、第１計算例ＣＣ１においては、実施形態に係る上記の手法により、第１生成データ２１に基づく第１機械学習モデル３１、及び、第２生成データ２２に基づく第２機械学習モデル３２が用いられる。一方、第２計算例ＣＣ２では、第１取得データ１１のみに基づく機械学習モデル、及び、第２取得データ１２のみに基づく機械学習モデルが用いられる。第２計算例ＣＣ２は、上記の第１参考例に対応する。
【0088】
図１７の横軸は、第１比Ｒ１である。既に説明したように、第１比Ｒ１は、（Ｎｐ＋Ｎ１）／Ｄ１である。図１７の縦軸は、導出された第１回帰ラベル６１ｂ及び第２回帰ラベル６２ｂに関する精度Ａ１である。精度Ａ１は、実際の順位に対する、計算により得られた結果の順位の正答率に対応する。順位は、２種類の磁気記録再生装置の面記録密度の優劣に対応する。
【0089】
図１７に示すように、第２計算例ＣＣ２においては、精度Ａ１は、０．８０５である。第１計算例ＣＣ１においては、第１比Ｒ１が上昇すると、精度Ａ１が上昇する。第１計算例ＣＣ１において、第１比Ｒ１が２５０以上であるときに、精度Ａ１は、第２計算例ＣＣ２における精度Ａ１を超える。第１計算例ＣＣ１において、第１比Ｒ１が５００以上のときにより０．９以上の高い精度Ａ１が得られる。
【0090】
実施形態において、第１比Ｒ１は２５０以上であることが好ましい。これにより、高い精度Ａ１が得られる。第１比Ｒ１は５００以上であることがさらに好ましい。より高い精度Ａ１が得られる。
【0091】
例えば、上記の第３動作ＯＰ３のように、異なる条件の特徴量を比較する場合、機械学習モデルの精度Ａ１が低いと、正しい比較が困難である。実施形態においては、第１比Ｒ１を２５０以上である（または例えば５００以上）ことで、異なる条件の特徴量を高い精度Ａ１で比較できる。例えば、第１生成ラベル２１ｂと第２生成ラベル２２ｂとを高い精度で比較評価できる。
【0092】
上記のように、実施形態において、第１取得データ１１（目的データ）が第１他データ５１と組み合わされた第１生成データ２１に基づく機械学習モデルが用いられる。これにより、目的データだけに基づく機械学習モデルが用いられる第１参考例よりも高い精度が得られる。
【0093】
例えば、対象装置が磁気記録再生装置である場合、特徴量は、磁気ヘッドのヘッド幅である。この場合、ラベルは、例えば、面記録密度で良い。
【0094】
例えば、対象装置の開発時において、サンプルの数が小さいと、回帰精度が低い場合がある。実施形態においては、サンプルの数が小さい場合においても、開発アイテムの特性を高精度で評価できる。
【0095】
実施形態において、Ｎｐ／Ｎ１は１．５以上であることが好ましい。小さい「Ｎ１」においても高い精度が得られる。
【0096】
実施形態において、第１取得データ１１、第１他データ５１、第２取得データ１２及び第２他データ５２は、磁気記録再生装置の特性を含んで良い。
【0097】
磁気記録再生装置の特性は、例えば、ＳＮＲ（Signal-Noise Ratio）、ＢＥＲ（Bit Error Rate）、Fringe ＢＥＲ、ＥＷＡＣ（Erase Width at AC erase）、ＭＷＷ（Magnetic Write track Width）、ＯＷ（Over Write）、ＳＯＶＡ－ＢＥＲ（Soft Viterbi Algorithm-BER）、ＶＭＭ（Viterbi Metric Margi）、ＰＲＯ（Repeatable RunOut）、及び、ＮＲＲＯ（Non-Repeatable RunOut）よりなる群から選択された少なくとも１つを含む。
【0098】
実施形態において、「Ｄ１」は１でも良い。例えば、高い第１比Ｒ１が得られる。より小さい「Ｄ１」で、高い精度の処理が実施できる。
【0099】
実施形態に係るデータ処理システム２１０（図１参照）において、複数の要素（例えば、処理部７１及び記憶部７３など）が異なる場所に設けられても良い。任意の通信方法により、情報の送受信が行われても良い。例えば、処理部７１に含まれる複数の部分が異なる場所に設けられても良い。
【0100】
例えば、データ処理システム２１０は、１または複数の取得部７２と、１または複数の処理部７１と、を含んで良い。第１動作ＯＰ１の一部は、１または複数の処理部７１の一部で実施されて良い。第１動作ＯＰ１の別の一部は、１または複数の処理部７１の別の一部で実施されて良い。第２動作ＯＰ２及び第３動作ＯＰ３の少なくとも一部が、１または複数の処理部７１の別の一部で実施されても良い。
【0101】
図１８は、実施形態に係るデータ処理装置を例示する模式図である。
図１８に示すように、データ処理装置１１０は、処理部７１、取得部７２及び記憶部７３を含む。処理部７１は、例えば電気回路である。記憶部７３は、例えば、ＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）の少なくともいずれかを含んでも良い。記憶部７３として、任意の記憶装置が用いられても良い。
図１８に示すように、データ処理装置１１０は、処理部７１、取得部７２及び記憶部７３を含む。処理部７１は、例えば電気回路である。記憶部７３は、例えば、ＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）の少なくともいずれかを含んでも良い。記憶部７３として、任意の記憶装置が用いられても良い。
【0102】
データ処理装置１１０は、表示部７９ｂ及び入力部７９ｃなどを含んでも良い。表示部７９ｂは、各種のディスプレイを含んで良い。入力部７９ｃは、例えば、操作機能を有する装置（例えばキーボート、マウス、タッチ式入力パネル、または音声認識入力装置など）を含む。
【0103】
実施形態は、プログラムを含んでも良い。プログラムは、コンピュータ（処理部７１）に、上記の動作を実施させる。実施形態は、上記のプログラムが記憶された記憶媒体を含んでも良い。
【0104】
（第２実施形態）
第２実施形態は、データ処理方法に係る。データ処理方法においては、処理部７１に第１動作ＯＰ１を実施させる。処理部７１は、第１動作ＯＰ１において、第１取得データ１１及び第１他データ５１に基づく第１生成データ２１に基づいて第１機械学習モデル３１を生成可能である。
第２実施形態は、データ処理方法に係る。データ処理方法においては、処理部７１に第１動作ＯＰ１を実施させる。処理部７１は、第１動作ＯＰ１において、第１取得データ１１及び第１他データ５１に基づく第１生成データ２１に基づいて第１機械学習モデル３１を生成可能である。
【0105】
第１他データ５１は、Ｎｐ行Ｄ１列の第１他特徴量行列５１ａと、Ｎｐ行の第１他ラベル５１ｂと、を含む。「Ｎｐ」は、２以上の整数である。第１取得データ１１は、Ｎ１行Ｄ１列の第１特徴量行列１１ａと、Ｎ１行の第１取得ラベル１１ｂと、を含む。「Ｎ１」は、２以上の整数である。「Ｄ１」は、１以上の整数である。「Ｎ１」は、「Ｎｐ」よりも小さい。
【0106】
第１生成データ２１は、（Ｎｐ＋Ｎ１）行（３×Ｄ１）列の第１生成行列２１ａと、（Ｎｐ＋Ｎ１）行の第１生成ラベル２１ｂと、を含む。第１生成行列２１ａは、第１行列データＭ１、第２行列データＭ２及び第３行列データＭ３を含む。
【0107】
第１行列データＭ１の成分は、第１他特徴量行列５１ａと、第１特徴量行列１１ａと、の行方向における結合を含む。第２行列データＭ２の成分は、Ｎｐ行Ｄ１列の０の成分の行列Ｍｘａ１と、第１特徴量行列１１ａと、の行方向における結合を含む。第３行列データＭ３の成分は、第１他特徴量行列５１ａと、Ｎ１行Ｄ１列の０の成分の行列Ｍｘｂ１と、の行方向における結合を含む。
【0108】
第１生成ラベル２１ｂの成分は、第１他ラベル５１ｂと第１取得ラベル１１ｂとの行方向における結合を含む。（Ｎｐ＋Ｎ１）／Ｄ１は、２５０以上である。この比は、５００以上でも良い。
【0109】
実施形態は、以下の構成（例えば技術案）を含んで良い。
（構成１）
取得部と、
処理部と、を備え、
前記取得部は、第１動作において、第１取得データを取得可能であり、
前記処理部は、前記第１動作において、前記第１取得データ及び第１他データに基づく第１生成データに基づいて第１機械学習モデルを生成可能であり、
前記第１他データは、Ｎｐ行Ｄ１列の第１他特徴量行列と、Ｎｐ行の第１他ラベルと、を含み、前記Ｎｐは、２以上の整数であり、前記Ｄ１は、１以上の整数であり、
前記第１取得データは、Ｎ１行Ｄ１列の第１特徴量行列と、Ｎ１行の第１取得ラベルと、を含み、前記Ｎ１は、２以上の整数であり、前記Ｎ１は、前記Ｎｐよりも小さく、
前記第１生成データは、（Ｎｐ＋Ｎ１）行（３×Ｄ１）列の第１生成行列と、（Ｎｐ＋Ｎ１）行の第１生成ラベルと、を含み、
前記第１生成行列は、第１行列データと、第２行列データと、第３行列データと、を含み、
前記第１行列データの成分は、前記第１他特徴量行列と、前記第１特徴量行列と、の行方向における結合を含み、
前記第２行列データの成分は、Ｎｐ行Ｄ１列の０の成分の行列と、前記第１特徴量行列と、の前記行方向における結合を含み、
前記第３行列データの成分は、前記第１他特徴量行列と、Ｎ１行Ｄ１列の０の成分の行列と、の前記行方向における結合を含み、
前記第１生成ラベルの成分は、前記第１他ラベルと前記第１取得ラベルとの前記行方向における結合を含み、
（Ｎｐ＋Ｎ１）／Ｄ１は、２５０以上である、データ処理装置。
（構成１）
取得部と、
処理部と、を備え、
前記取得部は、第１動作において、第１取得データを取得可能であり、
前記処理部は、前記第１動作において、前記第１取得データ及び第１他データに基づく第１生成データに基づいて第１機械学習モデルを生成可能であり、
前記第１他データは、Ｎｐ行Ｄ１列の第１他特徴量行列と、Ｎｐ行の第１他ラベルと、を含み、前記Ｎｐは、２以上の整数であり、前記Ｄ１は、１以上の整数であり、
前記第１取得データは、Ｎ１行Ｄ１列の第１特徴量行列と、Ｎ１行の第１取得ラベルと、を含み、前記Ｎ１は、２以上の整数であり、前記Ｎ１は、前記Ｎｐよりも小さく、
前記第１生成データは、（Ｎｐ＋Ｎ１）行（３×Ｄ１）列の第１生成行列と、（Ｎｐ＋Ｎ１）行の第１生成ラベルと、を含み、
前記第１生成行列は、第１行列データと、第２行列データと、第３行列データと、を含み、
前記第１行列データの成分は、前記第１他特徴量行列と、前記第１特徴量行列と、の行方向における結合を含み、
前記第２行列データの成分は、Ｎｐ行Ｄ１列の０の成分の行列と、前記第１特徴量行列と、の前記行方向における結合を含み、
前記第３行列データの成分は、前記第１他特徴量行列と、Ｎ１行Ｄ１列の０の成分の行列と、の前記行方向における結合を含み、
前記第１生成ラベルの成分は、前記第１他ラベルと前記第１取得ラベルとの前記行方向における結合を含み、
（Ｎｐ＋Ｎ１）／Ｄ１は、２５０以上である、データ処理装置。
【0110】
（構成２）
記憶部をさらに備え、
前記記憶部は、第１記憶領域を含み、
前記第１取得データ及び前記第１他データは、前記第１他記憶領域に記憶され、
前記処理部は、前記第１記憶領域から前記第１取得データ及び前記第１他データを取得して前記第１動作を実施可能である、構成１に記載のデータ処理装置。
記憶部をさらに備え、
前記記憶部は、第１記憶領域を含み、
前記第１取得データ及び前記第１他データは、前記第１他記憶領域に記憶され、
前記処理部は、前記第１記憶領域から前記第１取得データ及び前記第１他データを取得して前記第１動作を実施可能である、構成１に記載のデータ処理装置。
【0111】
（構成３）
前記記憶部は、第２記憶領域をさらに含み、
前記処理部は、前記第１生成データを前記第２記憶領域に記憶させることが可能である、構成２に記載のデータ処理装置。
前記記憶部は、第２記憶領域をさらに含み、
前記処理部は、前記第１生成データを前記第２記憶領域に記憶させることが可能である、構成２に記載のデータ処理装置。
【0112】
（構成４）
前記処理部は、前記第１動作において、第１回帰行列を前記第１機械学習モデルに入力して第１回帰ラベルをさらに導出可能であり、
前記第１回帰行列は、Ｎ１行（３×Ｄ１）列であり、
前記第１回帰行列は、第１回帰行列データと、第２回帰行列データと、第３回帰行列データと、を含み、
前記第１回帰行列データの成分は、前記第１特徴量行列を含み、
前記第２回帰行列データの成分は、前記第１特徴量行列を含み、
前記第３回帰行列データの成分は、Ｎ１行Ｄ１列の０の成分の行列を含む、構成１～３のいずれか１つに記載のデータ処理装置。
前記処理部は、前記第１動作において、第１回帰行列を前記第１機械学習モデルに入力して第１回帰ラベルをさらに導出可能であり、
前記第１回帰行列は、Ｎ１行（３×Ｄ１）列であり、
前記第１回帰行列は、第１回帰行列データと、第２回帰行列データと、第３回帰行列データと、を含み、
前記第１回帰行列データの成分は、前記第１特徴量行列を含み、
前記第２回帰行列データの成分は、前記第１特徴量行列を含み、
前記第３回帰行列データの成分は、Ｎ１行Ｄ１列の０の成分の行列を含む、構成１～３のいずれか１つに記載のデータ処理装置。
【0113】
（構成５）
前記第１回帰ラベルは、Ｎ１行である、構成４に記載のデータ処理装置。
前記第１回帰ラベルは、Ｎ１行である、構成４に記載のデータ処理装置。
【0114】
（構成６）
前記取得部及び前記処理部は、第２動作をさらに実施可能であり、
前記取得部は、第２動作において、第２取得データを取得可能であり、
前記処理部は、前記第２動作において、前記第２取得データ及び第２他データに基づく第２生成データに基づいて第２機械学習モデルを生成可能であり、
前記第２他データは、Ｎｑ行Ｄ２列の第２他特徴量行列と、Ｎｐ行の第２他ラベルと、を含み、前記Ｎｐは、２以上の整数であり、前記Ｄ２は、１以上の整数であり、
前記第２取得データは、Ｎ２行Ｄ２列の第２特徴量行列と、Ｎ２行の第２取得ラベルと、を含み、前記Ｎ２は、２以上の整数であり、前記Ｎ２は、前記Ｎｑよりも小さく、
前記第２生成データは、（Ｎｑ＋Ｎ２）行（Ｄ２×３）列の第２生成行列と、（Ｎｑ＋Ｎ２）行の第２生成ラベルと、を含み、
前記第２生成行列は、第４行列データと、第５行列データと、第６行列データと、を含み、
前記第４行列データの成分は、前記第２他特徴量行列と、前記第２特徴量行列と、の行方向における結合を含み、
前記第５行列データの成分は、Ｎｑ行Ｄ２列の０の成分の行列と、前記第２特徴量行列と、の前記行方向における結合を含み、
前記第６行列データの成分は、前記第２他特徴量行列と、Ｎ２行Ｄ２列の０の成分の行列と、の前記行方向における結合を含み、
前記第２生成ラベルの成分は、前記第２他ラベルと前記第２取得ラベルとの前記行方向における結合を含み、
（Ｎｑ＋Ｎ２）／Ｄ２は、２５０以上であり、
前記処理部は、前記第２動作において、第２回帰行列を前記第２機械学習モデルに入力して第２回帰ラベルをさらに導出可能であり、
前記第２回帰行列は、Ｎ２行（Ｄ２×３）列であり、
前記第２回帰行列は、第４回帰行列データと、第５回帰行列データと、第６回帰行列データと、を含み、
前記第４回帰行列データの成分は、前記第２特徴量行列を含み、
前記第５回帰行列データの成分は、前記第２特徴量行列を含み、
前記第６回帰行列データの成分は、Ｎ２行Ｄ２列の０の成分の行列を含む、構成４または５に記載のデータ処理装置。
前記取得部及び前記処理部は、第２動作をさらに実施可能であり、
前記取得部は、第２動作において、第２取得データを取得可能であり、
前記処理部は、前記第２動作において、前記第２取得データ及び第２他データに基づく第２生成データに基づいて第２機械学習モデルを生成可能であり、
前記第２他データは、Ｎｑ行Ｄ２列の第２他特徴量行列と、Ｎｐ行の第２他ラベルと、を含み、前記Ｎｐは、２以上の整数であり、前記Ｄ２は、１以上の整数であり、
前記第２取得データは、Ｎ２行Ｄ２列の第２特徴量行列と、Ｎ２行の第２取得ラベルと、を含み、前記Ｎ２は、２以上の整数であり、前記Ｎ２は、前記Ｎｑよりも小さく、
前記第２生成データは、（Ｎｑ＋Ｎ２）行（Ｄ２×３）列の第２生成行列と、（Ｎｑ＋Ｎ２）行の第２生成ラベルと、を含み、
前記第２生成行列は、第４行列データと、第５行列データと、第６行列データと、を含み、
前記第４行列データの成分は、前記第２他特徴量行列と、前記第２特徴量行列と、の行方向における結合を含み、
前記第５行列データの成分は、Ｎｑ行Ｄ２列の０の成分の行列と、前記第２特徴量行列と、の前記行方向における結合を含み、
前記第６行列データの成分は、前記第２他特徴量行列と、Ｎ２行Ｄ２列の０の成分の行列と、の前記行方向における結合を含み、
前記第２生成ラベルの成分は、前記第２他ラベルと前記第２取得ラベルとの前記行方向における結合を含み、
（Ｎｑ＋Ｎ２）／Ｄ２は、２５０以上であり、
前記処理部は、前記第２動作において、第２回帰行列を前記第２機械学習モデルに入力して第２回帰ラベルをさらに導出可能であり、
前記第２回帰行列は、Ｎ２行（Ｄ２×３）列であり、
前記第２回帰行列は、第４回帰行列データと、第５回帰行列データと、第６回帰行列データと、を含み、
前記第４回帰行列データの成分は、前記第２特徴量行列を含み、
前記第５回帰行列データの成分は、前記第２特徴量行列を含み、
前記第６回帰行列データの成分は、Ｎ２行Ｄ２列の０の成分の行列を含む、構成４または５に記載のデータ処理装置。
【0115】
（構成７）
前記処理部は、第３動作をさらに実施可能であり、
前記処理部は、前記第３動作において、前記第１回帰ラベルと前記第２回帰ラベルとの比較に関する情報を出力可能である、構成６に記載のデータ処理装置。
前記処理部は、第３動作をさらに実施可能であり、
前記処理部は、前記第３動作において、前記第１回帰ラベルと前記第２回帰ラベルとの比較に関する情報を出力可能である、構成６に記載のデータ処理装置。
【0116】
（構成８）
前記情報は、第１結果及び第２結果の少なくともいずれかを含み、
前記第１結果は、前記第１回帰ラベルの成分の最大値と、前記第２回帰ラベルの成分の最大値と、の比較結果を含み、
前記第２結果は、前記第１回帰ラベルの前記成分の最小値と、前記第２回帰ラベルの前記成分の最小値と、の比較結果を含む、構成７に記載のデータ処理装置。
前記情報は、第１結果及び第２結果の少なくともいずれかを含み、
前記第１結果は、前記第１回帰ラベルの成分の最大値と、前記第２回帰ラベルの成分の最大値と、の比較結果を含み、
前記第２結果は、前記第１回帰ラベルの前記成分の最小値と、前記第２回帰ラベルの前記成分の最小値と、の比較結果を含む、構成７に記載のデータ処理装置。
【0117】
（構成９）
前記第２回帰ラベルは、Ｎ２行である、構成６～８のいずれか１つに記載のデータ処理装置。
前記第２回帰ラベルは、Ｎ２行である、構成６～８のいずれか１つに記載のデータ処理装置。
【0118】
（構成１０）
（Ｎｐ＋Ｎ１）／Ｄ１は、５００以上である、構成１～９のいずれか１つに記載のデータ処理装置。
（Ｎｐ＋Ｎ１）／Ｄ１は、５００以上である、構成１～９のいずれか１つに記載のデータ処理装置。
【0119】
（構成１１）
Ｎｐ／Ｎ１は１．５以上である、構成１～１０のいずれか１つに記載のデータ処理装置。
Ｎｐ／Ｎ１は１．５以上である、構成１～１０のいずれか１つに記載のデータ処理装置。
【0120】
（構成１２）
前記処理部は、前記第１機械学習モデルを、カーネル回帰、線形回帰、Ridge回帰、Lasso回帰、Elastic Net、勾配ブースティング回帰、ランダムフォレスト回帰、k近傍回帰、及び、ロジスティック回帰よりなる群から選択された少なくとも１つにより生成することが可能である、構成１～１１のいずれか１つに記載のデータ処理装置。
前記処理部は、前記第１機械学習モデルを、カーネル回帰、線形回帰、Ridge回帰、Lasso回帰、Elastic Net、勾配ブースティング回帰、ランダムフォレスト回帰、k近傍回帰、及び、ロジスティック回帰よりなる群から選択された少なくとも１つにより生成することが可能である、構成１～１１のいずれか１つに記載のデータ処理装置。
【0121】
（構成１３）
前記カーネル回帰は、ガウス過程回帰、及び、ＳＶＲ（Support Vector Regression）の少なくともいずれかを含む、構成１２に記載のデータ処理装置。
前記カーネル回帰は、ガウス過程回帰、及び、ＳＶＲ（Support Vector Regression）の少なくともいずれかを含む、構成１２に記載のデータ処理装置。
【0122】
（構成１４）
前記第１取得データ、前記第１他データ及び前記第２取得データは、磁気記録再生装置の特性を含む、構成１～１３のいずれか１つに記載のデータ処理装置。
前記第１取得データ、前記第１他データ及び前記第２取得データは、磁気記録再生装置の特性を含む、構成１～１３のいずれか１つに記載のデータ処理装置。
【0123】
（構成１５）
前記特性は、ＳＮＲ（Signal-Noise Ratio）、ＢＥＲ（Bit Error Rate）、Fringe ＢＥＲ、ＥＷＡＣ（Erase Width at AC erase）、ＭＷＷ（Magnetic Write track Width）、ＯＷ（Over Write）、ＳＯＶＡ－ＢＥＲ（Soft Viterbi Algorithm-BER）、ＶＭＭ（Viterbi Metric Margi）、ＰＲＯ（Repeatable RunOut）、及び、ＮＲＲＯ（Non-Repeatable RunOut）よりなる群から選択された少なくとも１つを含む、構成１４に記載のデータ処理装置。
前記特性は、ＳＮＲ（Signal-Noise Ratio）、ＢＥＲ（Bit Error Rate）、Fringe ＢＥＲ、ＥＷＡＣ（Erase Width at AC erase）、ＭＷＷ（Magnetic Write track Width）、ＯＷ（Over Write）、ＳＯＶＡ－ＢＥＲ（Soft Viterbi Algorithm-BER）、ＶＭＭ（Viterbi Metric Margi）、ＰＲＯ（Repeatable RunOut）、及び、ＮＲＲＯ（Non-Repeatable RunOut）よりなる群から選択された少なくとも１つを含む、構成１４に記載のデータ処理装置。
【0124】
（構成１６）
前記Ｄ１は１である、構成１～１５のいずれか１つに記載のデータ処理装置。
前記Ｄ１は１である、構成１～１５のいずれか１つに記載のデータ処理装置。
【0125】
（構成１７）
１または複数の取得部と、
１または複数の処理部と、を備え、
前記１または複数の取得部は、第１動作において、第１取得データを取得可能であり、
前記１または複数の処理部は、前記第１取得データ及び第１他データに基づく第１生成データに基づいて第１機械学習モデルを生成可能であり、
前記第１他データは、Ｎｐ行Ｄ１列の第１他特徴量行列と、Ｎｐ行の第１他ラベルと、を含み、前記Ｎｐは、２以上の整数であり、前記Ｄ１は、１以上の整数であり、
前記第１取得データは、Ｎ１行Ｄ１列の第１特徴量行列と、Ｎ１行の第１取得ラベルと、を含み、前記Ｎ１は、２以上の整数であり、前記Ｎ１は、前記Ｎｐよりも小さく、
前記第１生成データは、（Ｎｐ＋Ｎ１）行（３×Ｄ１）列の第１生成行列と、（Ｎｐ＋Ｎ１）行の第１生成ラベルと、を含み、
前記第１生成行列は、第１行列データと、第２行列データと、第３行列データと、を含み、
前記第１行列データの成分は、前記第１他特徴量行列と、前記第１特徴量行列と、の行方向における結合を含み、
前記第２行列データの成分は、Ｎｐ行Ｄ１列の０の成分の行列と、前記第１特徴量行列と、の前記行方向における結合を含み、
前記第３行列データの成分は、前記第１他特徴量行列と、Ｎ１行Ｄ１列の０の成分の行列と、の前記行方向における結合を含み、
前記第１生成ラベルの成分は、前記第１他ラベルと前記第１取得ラベルとの前記行方向における結合を含み、
（Ｎｐ＋Ｎ１）／Ｄ１は、２５０以上である、データ処理システム。
１または複数の取得部と、
１または複数の処理部と、を備え、
前記１または複数の取得部は、第１動作において、第１取得データを取得可能であり、
前記１または複数の処理部は、前記第１取得データ及び第１他データに基づく第１生成データに基づいて第１機械学習モデルを生成可能であり、
前記第１他データは、Ｎｐ行Ｄ１列の第１他特徴量行列と、Ｎｐ行の第１他ラベルと、を含み、前記Ｎｐは、２以上の整数であり、前記Ｄ１は、１以上の整数であり、
前記第１取得データは、Ｎ１行Ｄ１列の第１特徴量行列と、Ｎ１行の第１取得ラベルと、を含み、前記Ｎ１は、２以上の整数であり、前記Ｎ１は、前記Ｎｐよりも小さく、
前記第１生成データは、（Ｎｐ＋Ｎ１）行（３×Ｄ１）列の第１生成行列と、（Ｎｐ＋Ｎ１）行の第１生成ラベルと、を含み、
前記第１生成行列は、第１行列データと、第２行列データと、第３行列データと、を含み、
前記第１行列データの成分は、前記第１他特徴量行列と、前記第１特徴量行列と、の行方向における結合を含み、
前記第２行列データの成分は、Ｎｐ行Ｄ１列の０の成分の行列と、前記第１特徴量行列と、の前記行方向における結合を含み、
前記第３行列データの成分は、前記第１他特徴量行列と、Ｎ１行Ｄ１列の０の成分の行列と、の前記行方向における結合を含み、
前記第１生成ラベルの成分は、前記第１他ラベルと前記第１取得ラベルとの前記行方向における結合を含み、
（Ｎｐ＋Ｎ１）／Ｄ１は、２５０以上である、データ処理システム。
【0126】
（構成１８）
前記第１動作の一部は、前記１または複数の処理部の一部で実施され、
前記第１動作の別の一部は、前記１または複数の処理部の別の一部で実施される、構成１７に記載のデータ処理システム。
前記第１動作の一部は、前記１または複数の処理部の一部で実施され、
前記第１動作の別の一部は、前記１または複数の処理部の別の一部で実施される、構成１７に記載のデータ処理システム。
【0127】
（構成１９）
処理部に第１動作を実施させ、
前記処理部は、前記第１動作において、前記第１取得データ及び第１他データに基づく第１生成データに基づいて第１機械学習モデルを生成可能であり、
前記第１他データは、Ｎｐ行Ｄ１列の第１他特徴量行列と、Ｎｐ行の第１他ラベルと、を含み、前記Ｎｐは、２以上の整数であり、前記Ｄ１は、１以上の整数であり、
前記第１取得データは、Ｎ１行Ｄ１列の第１特徴量行列と、Ｎ１行の第１取得ラベルと、を含み、前記Ｎ１は、２以上の整数であり、前記Ｎ１は、前記Ｎｐよりも小さく、
前記第１生成データは、（Ｎｐ＋Ｎ１）行（３×Ｄ１）列の第１生成行列と、（Ｎｐ＋Ｎ１）行の第１生成ラベルと、を含み、
前記第１生成行列は、第１行列データと、第２行列データと、第３行列データと、を含み、
前記第１行列データの成分は、前記第１他特徴量行列と、前記第１特徴量行列と、の行方向における結合を含み、
前記第２行列データの成分は、Ｎｐ行Ｄ１列の０の成分の行列と、前記第１特徴量行列と、の前記行方向における結合を含み、
前記第３行列データの成分は、前記第１他特徴量行列と、Ｎ１行Ｄ１列の０の成分の行列と、の前記行方向における結合を含み、
前記第１生成ラベルの成分は、前記第１他ラベルと前記第１取得ラベルとの前記行方向における結合を含み、
（Ｎｐ＋Ｎ１）／Ｄ１は、２５０以上である、データ処理方法。
処理部に第１動作を実施させ、
前記処理部は、前記第１動作において、前記第１取得データ及び第１他データに基づく第１生成データに基づいて第１機械学習モデルを生成可能であり、
前記第１他データは、Ｎｐ行Ｄ１列の第１他特徴量行列と、Ｎｐ行の第１他ラベルと、を含み、前記Ｎｐは、２以上の整数であり、前記Ｄ１は、１以上の整数であり、
前記第１取得データは、Ｎ１行Ｄ１列の第１特徴量行列と、Ｎ１行の第１取得ラベルと、を含み、前記Ｎ１は、２以上の整数であり、前記Ｎ１は、前記Ｎｐよりも小さく、
前記第１生成データは、（Ｎｐ＋Ｎ１）行（３×Ｄ１）列の第１生成行列と、（Ｎｐ＋Ｎ１）行の第１生成ラベルと、を含み、
前記第１生成行列は、第１行列データと、第２行列データと、第３行列データと、を含み、
前記第１行列データの成分は、前記第１他特徴量行列と、前記第１特徴量行列と、の行方向における結合を含み、
前記第２行列データの成分は、Ｎｐ行Ｄ１列の０の成分の行列と、前記第１特徴量行列と、の前記行方向における結合を含み、
前記第３行列データの成分は、前記第１他特徴量行列と、Ｎ１行Ｄ１列の０の成分の行列と、の前記行方向における結合を含み、
前記第１生成ラベルの成分は、前記第１他ラベルと前記第１取得ラベルとの前記行方向における結合を含み、
（Ｎｐ＋Ｎ１）／Ｄ１は、２５０以上である、データ処理方法。
【0128】
実施形態によれば、高精度のデータ処理が可能なデータ処理装置、データ処理システム及びデータ処理方法が提供できる。
【0129】
以上、例を参照しつつ、本発明の実施の形態について説明した。しかし、本発明は、これらの例に限定されるものではない。例えば、データ処理装置及びデータ処理システム及びデータ処理方法に含まれる、処理部、取得部及び記憶部などの各要素の具体的な構成に関しては、当業者が公知の範囲から適宜選択することにより本発明を同様に実施し、同様の効果を得ることができる限り、本発明の範囲に包含される。
【0130】
各例のいずれか２つ以上の要素を技術的に可能な範囲で組み合わせたものも、本発明の要旨を包含する限り本発明の範囲に含まれる。
【0131】
本発明の実施の形態として上述したデータ処理装置、データ処理システム及びデータ処理方法を基にして、当業者が適宜設計変更して実施し得る全てのデータ処理装置、データ処理システム及びデータ処理方法も、本発明の要旨を包含する限り、本発明の範囲に属する。
【0132】
本発明の思想の範疇において、当業者であれば、各種の変更例及び修正例に想到し得るものであり、それら変更例及び修正例についても本発明の範囲に属するものと了解される。
【0133】
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
【符号の説明】
【0134】
１０Ｄ…データ、 １１、１２…第１、第２取得データ、 １１ａ、１２ａ…第１、第２特徴量行列、 １１ｂ、１２ｂ…第１、第２取得ラベル、 ２１、２２…第１、第２生成データ、 ２１ａ、２２ａ…第１、第２生成行列、 ２１ｂ、２２ｂ…第１、第２生成ラベル、 ３１、３２…第１、第２機械学習モデル、 ５１、５２…第１、第２他データ、 ５１ａ、５２ａ…第１、第２他特徴量行列、 ５１ｂ、５２ｂ…第１、第２他ラベル、 ６１ａ、６２ａ…第１、第２回帰行列、 ６１ｂ、６２ｂ…第１、第２回帰ラベル、 ７１…処理部、 ７２…取得部、 ７３…記憶部、 ７３ａ、７３ｂ…第１、第２記憶領域、 ７４…サーバ、 ７９ｂ…表示部、 ７９ｃ…入力部、 １１０…データ処理装置、 ２１０…データ処理システム、 Ａ１…精度、 ＣＣ１、ＣＣ２…第１、第２計算例、 Ｉ１…情報、 Ｋ１～Ｋ６…第１～第６回帰行列データ、 Ｍ１～Ｍ６…第１～第６行列データ、 Ｍｘａ１、Ｍｘａ２、Ｍｘｂ１、Ｍｘｂ２、Ｍｘｃ１、Ｍｘｃ２…行列、 ＯＰ１～ＯＰ３…第１～第３動作、 Ｐ１…情報、 Ｒ１…第１比
【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】
【図16】
【図17】
【図18】