特開2024-118319データ処理プログラム，データ処理方法および情報処理装置
(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】P2024118319
(43)【公開日】2024-08-30
(54)【発明の名称】データ処理プログラム，データ処理方法および情報処理装置
(51)【国際特許分類】
G06F 16/906 20190101AFI20240823BHJP
【ＦＩ】
G06F16/906
【審査請求】未請求
【請求項の数】9
【出願形態】ＯＬ
(21)【出願番号】P 2023024677
(22)【出願日】2023-02-20
(71)【出願人】
【識別番号】000005223
【氏名又は名称】富士通株式会社
(74)【代理人】
【識別番号】110003649
【氏名又は名称】弁理士法人真田特許事務所
(74)【代理人】
【識別番号】100189201
【弁理士】
【氏名又は名称】横田 功
(72)【発明者】
【氏名】高橋 秀和
【テーマコード（参考）】
5B175
【Ｆターム（参考）】
5B175FA03
5B175HB03
(57)【要約】
【課題】データ集合に含まれるデータを適切に分類する。
【解決手段】個々のデータが複数の数値属性を有するデータ集合の前記複数の数値属性によって定義される空間中の傾向と、前記データ集合に含まれる複数のデータそれぞれとの距離を算出し、算出した前記距離に基づいて、前記データ集合を複数のグループに分割し、前記複数のグループのそれぞれにおいて、前記グループに含まれる前記データ集合を前記複数の数値属性の値に基づいて分類する、処理をコンピュータに実行させる。
【選択図】図２８
【解決手段】個々のデータが複数の数値属性を有するデータ集合の前記複数の数値属性によって定義される空間中の傾向と、前記データ集合に含まれる複数のデータそれぞれとの距離を算出し、算出した前記距離に基づいて、前記データ集合を複数のグループに分割し、前記複数のグループのそれぞれにおいて、前記グループに含まれる前記データ集合を前記複数の数値属性の値に基づいて分類する、処理をコンピュータに実行させる。
【選択図】図２８
【特許請求の範囲】
【請求項1】
個々のデータが複数の数値属性を有するデータ集合の前記複数の数値属性によって定義される空間中の傾向と、前記データ集合に含まれる複数のデータそれぞれとの距離を算出し、
算出した前記距離に基づいて、前記データ集合を複数のグループに分割し、
前記複数のグループのそれぞれにおいて、前記グループに含まれる前記データ集合を前記複数の数値属性の値に基づいて分類する
処理をコンピュータに実行させる、データ処理プログラム。
算出した前記距離に基づいて、前記データ集合を複数のグループに分割し、
前記複数のグループのそれぞれにおいて、前記グループに含まれる前記データ集合を前記複数の数値属性の値に基づいて分類する
処理をコンピュータに実行させる、データ処理プログラム。
【請求項2】
前記算出する処理は、
前記データ集合に含まれる前記複数のデータを、前記複数の数値属性それぞれの数値に基づき複数の基底データ集合に分割し、
前記データ集合の前記傾向と、前記複数のデータそれぞれとの前記距離を、前記データ集合の前記傾向と、前記複数の基底データ集合それぞれとの平均二乗誤差の算出により、前記基底データ集合毎に算出する、処理を含み、
前記分割する処理は、前記データ集合を、前記平均二乗誤差の値に応じて前記基底データ集合毎に前記複数のグループに分割する、処理を含む、
請求項１に記載のデータ処理プログラム。
前記データ集合に含まれる前記複数のデータを、前記複数の数値属性それぞれの数値に基づき複数の基底データ集合に分割し、
前記データ集合の前記傾向と、前記複数のデータそれぞれとの前記距離を、前記データ集合の前記傾向と、前記複数の基底データ集合それぞれとの平均二乗誤差の算出により、前記基底データ集合毎に算出する、処理を含み、
前記分割する処理は、前記データ集合を、前記平均二乗誤差の値に応じて前記基底データ集合毎に前記複数のグループに分割する、処理を含む、
請求項１に記載のデータ処理プログラム。
【請求項3】
前記分類する処理は、前記グループ毎に、前記グループに含まれる基底データ集合間の距離に基づいて、前記グループに含まれる前記基底データ集合どうしを併合する、処理を含む、
請求項２に記載のデータ処理プログラム。
請求項２に記載のデータ処理プログラム。
【請求項4】
前記併合する処理は、前記グループ毎に、前記空間において隣接する基底データ集合どうしを併合して得られる部分データ集合に含まれるデータ数が所定の条件を満たすまで、前記隣接する基底データ集合どうしを併合する、処理を含む、
請求項３に記載のデータ処理プログラム。
請求項３に記載のデータ処理プログラム。
【請求項5】
前記併合する処理は、前記グループに含まれる複数の前記基底データ集合のうちの、前記空間における前記複数の数値属性それぞれの最小値又は最大値のデータを含む基底データ集合から前記併合を開始する、処理を含む、
請求項４に記載のデータ処理プログラム。
請求項４に記載のデータ処理プログラム。
【請求項6】
前記基底データ集合は、前記空間において第１の形状の領域であり、
前記併合する処理は、前記空間において前記部分データ集合を含む領域の形状が第２の形状となるように、前記隣接する基底データ集合どうしを併合する、処理を含む、
請求項４又は請求項５に記載のデータ処理プログラム。
前記併合する処理は、前記空間において前記部分データ集合を含む領域の形状が第２の形状となるように、前記隣接する基底データ集合どうしを併合する、処理を含む、
請求項４又は請求項５に記載のデータ処理プログラム。
【請求項7】
前記算出する処理は、前記データ集合に含まれる前記複数のデータの回帰分析により、前記データ集合の前記空間中の傾向を算出する、処理を含む、
請求項１～請求項５のいずれか１項に記載のデータ処理プログラム。
請求項１～請求項５のいずれか１項に記載のデータ処理プログラム。
【請求項8】
個々のデータが複数の数値属性を有するデータ集合の前記複数の数値属性によって定義される空間中の傾向と、前記データ集合に含まれる複数のデータそれぞれとの距離を算出し、
算出した前記距離に基づいて、前記データ集合を複数のグループに分割し、
前記複数のグループのそれぞれにおいて、前記グループに含まれる前記データ集合を前記複数の数値属性の値に基づいて分類する
処理をコンピュータが実行する、データ処理方法。
算出した前記距離に基づいて、前記データ集合を複数のグループに分割し、
前記複数のグループのそれぞれにおいて、前記グループに含まれる前記データ集合を前記複数の数値属性の値に基づいて分類する
処理をコンピュータが実行する、データ処理方法。
【請求項9】
個々のデータが複数の数値属性を有するデータ集合の前記複数の数値属性によって定義される空間中の傾向と、前記データ集合に含まれる複数のデータそれぞれとの距離を算出し、
算出した前記距離に基づいて、前記データ集合を複数のグループに分割し、
前記複数のグループのそれぞれにおいて、前記グループに含まれる前記データ集合を前記複数の数値属性の値に基づいて分類する
制御部を備える、情報処理装置。
算出した前記距離に基づいて、前記データ集合を複数のグループに分割し、
前記複数のグループのそれぞれにおいて、前記グループに含まれる前記データ集合を前記複数の数値属性の値に基づいて分類する
制御部を備える、情報処理装置。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、データ処理プログラム，データ処理方法および情報処理装置に関する。
【背景技術】
【0002】
複数の数値属性を有するデータのデータセット（データ集合）から、属性値等に基づきデータを分類、例えばグループ化する手法が知られている。当該手法により得られるグループは、セグメントと称されてもよい。また、当該手法は、セグメント抽出又はData Segmentationと称されてもよい。セグメントは、データ集合から抽出される部分データ集合の一例である。
【0003】
例えば、データセットが、属性として収入（income）及び借入金額（loan_amount：融資額）を含む住宅融資データであるものとする。なお、収入及び借入金額の間のように、属性間には、所定の関係性、例えば相関関係等の傾向が存在する。
【0004】
例えば、住宅融資データがマーケティング等のデータ分析に利用される場合を想定する。一例として、セグメント抽出により、住宅融資データから、収入区分＝1（<$20k），借入金額区分＝1（<$500k）等の条件を満たすセグメント（顧客グループ）を抽出できる。これにより、ユーザは、属性（例えば収入又は借入金額）の区分毎に条件を揃えた顧客グループについて、顧客グループ内又は顧客グループ間のデータ比較を行なうことが可能となる。
【0005】
セグメント抽出の手法の一例として、χ（カイ）マージがある。χマージは、χ２乗検定を用いたボトムアップな分割点決定方式の１つである。χマージでは、属性値を離散化し、隣接する区間で各データクラスの度数分布に有意な差がない区間を併合する処理が行なわれる。
【0006】
また、セグメント抽出の手法の他の例として、凝集型クラスタリングがある。凝集型クラスタリングは、ボトムアップ型のクラスタリング方式の１つである。凝集型クラスタリングでは、各データを要素数＝1のクラスタに入れ、それらのクラスタ間の距離に従って、クラスタの併合を繰り返す処理が行なわれる。凝集型クラスタリングにおいて、クラスタ間の距離は、属性値から算出される。
【先行技術文献】
【特許文献】
【0007】
【特許文献1】特開２０１７－３８１６１号公報
【特許文献2】米国特許出願公開第２０１８／００８３９９５号明細書
【特許文献3】米国特許出願公開第２０１９／０００５１１２号明細書
【発明の概要】
【発明が解決しようとする課題】
【0008】
上述したセグメント抽出の手法では、例えば、度数分布又は属性値が類似するデータどうしが１つのセグメントに併合される。このため、抽出される同一セグメント内に、データセット全体の傾向に従ったデータと、当該傾向とは異なるデータとが混在することがある、換言すれば、セグメント抽出により適切なセグメントが得られない可能性がある。
【0009】
適切なセグメントが得られないことにより、例えば、セグメント内又はセグメント間のデータを利用する種々の処理において精度の低下が発生する可能性がある。
【0010】
１つの側面では、本発明は、データ集合に含まれるデータを適切に分類することを目的の１つとする。
【課題を解決するための手段】
【0011】
１つの側面では、データ処理プログラムは、コンピュータに、以下の処理を実行させてよい。前記処理は、個々のデータが複数の数値属性を有するデータ集合の前記複数の数値属性によって定義される空間中の傾向と、前記データ集合に含まれる複数のデータそれぞれとの距離を算出してよい。また、前記処理は、算出した前記距離に基づいて、前記データ集合を複数のグループに分割してよい。さらに、前記処理は、前記複数のグループのそれぞれにおいて、前記グループに含まれる前記データ集合を前記複数の数値属性の値に基づいて分類してよい。
【発明の効果】
【0012】
１つの側面では、本発明は、データ集合に含まれるデータを適切に分類することができる。
【図面の簡単な説明】
【0013】
【図1】データセットに含まれる複数のデータの散布図の一例を示す図である。
【図5】一実施形態に係るサーバにより分割されるグループの一例を説明するための図である。
【図6】一実施形態に係るサーバにより分類されるデータの一例を説明するための図である。
【図7】一実施形態の一例としてのサーバの機能を実現するコンピュータのハードウェア（ＨＷ）構成例を示すブロック図である。
【図8】一実施形態の一例としてのサーバのソフトウェア構成例を示すブロック図である。
【図9】入力データの一例を示す図である。
【図10】入力データの散布図の一例を示す図である。
【図11】平均二乗誤差の算出処理の一例を示す図である。
【図12】分類部による基底セグメントのグループ分け処理の一例を説明するための図である。
【図13】分類部による基底セグメントのグループ分け処理の一例を説明するための図である。
【図14】基底セグメントの併合条件の一例を説明するための図である。
【図15】基底セグメントの併合処理の一例を説明するための図である。
【図16】基底セグメントの併合処理の一例を説明するための図である。
【図17】基底セグメントの併合処理の一例を説明するための図である。
【図18】基底セグメントの併合処理の一例を説明するための図である。
【図19】基底セグメントの併合処理の一例を説明するための図である。
【図20】基底セグメントの併合処理の一例を説明するための図である。
【図21】基底セグメントの併合処理の一例を説明するための図である。
【図22】基底セグメントの併合処理の一例を説明するための図である。
【図23】基底セグメントの併合処理の一例を説明するための図である。
【図24】基底セグメントの併合処理の一例を説明するための図である。
【図25】基底セグメントの併合処理の一例を説明するための図である。
【図26】基底セグメントの併合処理の一例を説明するための図である。
【図27】基底セグメントの併合処理の一例を説明するための図である。
【図28】一実施形態に係るサーバの動作例を説明するためのフローチャートである。
【発明を実施するための形態】
【0014】
以下、図面を参照して本プログラム，方法および装置にかかる実施の形態を説明する。ただし、以下に示す実施形態はあくまでも例示に過ぎず、実施形態で明示しない種々の変形例や技術の適用を排除する意図はない。例えば、本実施形態を、その趣旨を逸脱しない範囲で種々変形して実施することができる。また、各図は、図中に示す構成要素のみを備えるという趣旨ではなく、他の機能等を含むことができる。
【0015】
〔Ａ〕セグメント抽出の説明
まず、セグメント抽出について説明する。一実施形態では、収入（income）及び借入金額（loan_amount）の属性を有する住宅融資データがデータセットとして用いられる場合を例に挙げて説明する。
まず、セグメント抽出について説明する。一実施形態では、収入（income）及び借入金額（loan_amount）の属性を有する住宅融資データがデータセットとして用いられる場合を例に挙げて説明する。
【0016】
図１は、データセットに含まれる複数のデータの散布図の一例を示す図である。図１に例示するように、符号Ａで示す散布図は、横軸を収入、縦軸を借入金額として定義された二次元空間上に、データをプロットしたものである。なお、横軸及び縦軸の値は、それぞれ、実際の収入及び借入金額の値を0.0～1.0の範囲内に収まるようにスケーリングした値である。
【0017】
図２は、図１に示すデータセットから抽出したセグメントの母数のヒートマップの一例を示す図である。図２の符号Ｂに示すヒートマップには、横軸を収入、左縦軸を借入金額として定義された二次元空間上に、四角枠で示すセグメントが配置されている。セグメントの母数は、四角枠内に数字で表記されるとともに、右縦軸に示すように、母数が1000増加する度に四角枠内の網掛けが濃くなるような濃淡で表されている。
【0018】
図２の横軸及び縦軸の目盛りは、それぞれ、図１に示す横軸及び縦軸の範囲を１０段階のランクに分割したものである。例えば、左下の母数（データ数）：225のセグメントは、ランク（1, 1）（収入，借入金額）のセグメントである。
【0019】
図２に例示するように、複数の属性（収入及び借入金額）の組み合わせでデータセットからセグメントが抽出されると、抽出されたセグメントの母数に極端な偏りが発生することがある。例えば、符号Ｂ１で示すランク（5, 1）のセグメントの母数は8004である一方、符号Ｂ２で示すランク（3, 4）のセグメントの母数は2であり、母数に4000倍以上の差がある。
【0020】
なお、図２に例示するセグメントは、データセットを、各属性の値の範囲に応じた初期設定区間（図２の例ではランク）で分割して得られる最小粒度のセグメントである。当該セグメントは、「基底セグメント」と称されてもよい。基底セグメントは、基底データ集合の一例である。
【0021】
図３は、図２に示すセグメント（基底セグメント）の併合結果の一例を示す図である。図３の符号Ｃに示すヒートマップには、所定のセグメント抽出手法により、図２に示す基底セグメントを併合して得られたセグメントが、点線枠により示されている。併合して得られたセグメントの母数は、点線枠の左右方向中央の上部に太字の数字で示されている。所定のセグメント抽出手法としては、例えば、χマージ又は凝集型クラスタリング等の、度数分布又は属性値の類似に基づきセグメントを併合する、種々の手法が挙げられる。
【0022】
図４は、図１に示す散布図におけるデータの傾向の一例を示す図である。図４の符号Ｄに示す散布図において、データセット全体の傾向（全体傾向）を実線（符号Ｄ１参照）で示す。また、図４の符号Ｄ２及びＤ３は、図３に示す併合後のセグメントのうち、例えばランク（1～3, 1）の１つのセグメントに含まれるデータの傾向を示す。
【0023】
符号Ｄ２は、ランク（2, 1）の基底セグメントの一部と、ランク（3, 1）の基底セグメントの一部とに含まれるデータの傾向が、全体傾向に類似している範囲を示す。符号Ｄ３は、ランク（1, 1）の基底セグメントと、ランク（2, 1）の基底セグメントの一部とに含まれるデータの傾向が、全体傾向とは異なっている範囲を示す。
【0024】
このように、図３に示す併合後のセグメントは、データの度数分布又は属性値が類似している基底セグメントどうしを単純に併合して得られたものであって、基底セグメントに含まれるデータの傾向が全体傾向と類似するか否かについては考慮されていない。このため、データセットの全体傾向とは異なる基底セグメントどうしが併合される、或いは、全体傾向に従ったデータを含む基底セグメントと全体傾向とは異なるデータを含む基底セグメントとが併合される、換言すれば、セグメント抽出により適切なセグメントが得られない可能性がある。
【0025】
適切なセグメントが得られないことにより、セグメント内又はセグメント間のデータを利用する種々の処理、一例として、抽出されたセグメント（例えば顧客グループ）を用いたデータ分析において、精度の低下が発生する可能性がある。例えば、セグメント内のデータが全体傾向と合わないことにより、データ比較等の分析に失敗する、又は、有効な比較結果が得られない場合がある。また、例えば、抽出されたセグメントに基づき加工したデータセットを訓練データとして利用し、機械学習モデルの機械学習を行なう場合には、訓練された機械学習モデルを用いた推論の精度が低下する可能性がある。
【0026】
そこで、１つの側面では、一実施形態において、データセットを適切なセグメントに分類するための手法を説明する。また、他の側面では、一実施形態において、セグメント間のデータ数の偏り（図２参照）を軽減させるための手法を説明する。
【0027】
〔Ｂ〕一実施形態に係る手法の説明
一実施形態において、データ集合に含まれるデータを分類する装置、例えばサーバは、以下の（ｉ）～（iii）の処理を実行してよい。
一実施形態において、データ集合に含まれるデータを分類する装置、例えばサーバは、以下の（ｉ）～（iii）の処理を実行してよい。
【0028】
（ｉ）サーバは、個々のデータが複数の数値属性を有するデータ集合の複数の数値属性によって定義される空間中の傾向と、データ集合に含まれる複数のデータそれぞれとの距離を算出する。
【0029】
（ii）サーバは、算出した距離に基づいて、データ集合を複数のグループに分割する。
【0030】
（iii）サーバは、複数のグループのそれぞれにおいて、グループに含まれるデータ集合を複数の数値属性の値に基づいて分類する。
【0031】
これにより、一実施形態に係るサーバによれば、データ集合を属性間の関係性に沿った部分データ集合に分類することができる。
【0032】
図５は、一実施形態に係るサーバにより分割されるグループの一例を説明するための図である。図５の符号Ｅは、住宅融資データに含まれる複数のデータを、横軸を収入、縦軸を借入金額として定義した二次元空間上にプロットした散布図の一部の領域の拡大図であり、符号Ｆは、図１に例示する散布図である。
【0033】
符号Ｆで示す散布図において、データセットの全体傾向を表す直線を符号Ｆ１で示し、第１のセグメントの範囲（領域）を符号Ｆ２で示し、第２のセグメントの範囲（領域）を符号Ｆ３で示す。
【0034】
符号Ｅで示す散布図において、データセットの全体傾向を表す直線を符号Ｅ１で示し、符号Ｆ２のセグメントに含まれるデータの傾向を表す直線を符号Ｅ２で示し、符号Ｆ３のセグメントに含まれるデータの傾向を表す直線を符号Ｅ３で示す。なお、符号Ｅ１～Ｅ３，Ｆ１に示す直線は、一例として、データの回帰直線であってよい。
【0035】
符号Ｅ２で示す直線は、符号Ｅ１で示す直線と傾きが類似しているため、第１のセグメント（符号Ｆ２参照）は、全体傾向に類似するセグメントであるといえる。一方、符号Ｅ３で示す直線は、符号Ｅ１で示す直線と傾きに一定以上の差があるため、第２のセグメント（符号Ｆ３参照）は、全体傾向と異なるセグメントであるといえる。
【0036】
一実施形態に係るサーバによれば、上記（ii）の処理により、第１のセグメントの範囲に含まれるデータと、第２のセグメントの範囲に含まれるデータとを互いに異なるグループに含めるように、住宅融資データに含まれるデータを分割することができる。
【0037】
図６は、一実施形態に係るサーバにより分類されるデータの一例を説明するための図である。図６の符号Ｇは、図３に示す手法により分類されたセグメントを示し、図６の符号Ｈは、一実施形態に係るサーバにより分類されたセグメントを示す。
【0038】
図６の符号Ｇ１に示すヒートマップ、及び、符号Ｇ２に示す散布図では、上述したように、住宅融資データの全体傾向とは異なるセグメントが併合される。
【0039】
一方、図６の符号Ｈ１に示すヒートマップ、及び、符号Ｈ２に示す散布図では、例えば全体傾向との類似度が同程度であるグループ内の複数のデータ、例えば基底セグメントのそれぞれにおいて、基底セグメントに含まれるデータ（データ集合）が複数の数値属性の値に基づき分類される。一例として、複数の基底セグメントが１つのセグメントに併合される。
【0040】
一実施形態に係るサーバによれば、上記（iii）の処理により、データ傾向に従ったセグメント併合を実現できる。また、サーバは、併合後のセグメントに含まれるデータ数に上限を設けることにより、セグメント間のデータ数の偏りの軽減を実現できる。
【0041】
〔Ｃ〕ハードウェア構成例
一実施形態に係るサーバ１（図８参照）は、仮想サーバ（ＶＭ：Virtual Machine）であってもよいし、物理サーバであってもよい。また、サーバ１の機能は、１台のコンピュータにより実現されてもよいし、２台以上のコンピュータにより実現されてもよい。さらに、サーバ１の機能のうちの少なくとも一部は、クラウド環境により提供されるハードウェア（ＨＷ）リソース及びネットワーク（ＮＷ）リソースを用いて実現されてもよい。
一実施形態に係るサーバ１（図８参照）は、仮想サーバ（ＶＭ：Virtual Machine）であってもよいし、物理サーバであってもよい。また、サーバ１の機能は、１台のコンピュータにより実現されてもよいし、２台以上のコンピュータにより実現されてもよい。さらに、サーバ１の機能のうちの少なくとも一部は、クラウド環境により提供されるハードウェア（ＨＷ）リソース及びネットワーク（ＮＷ）リソースを用いて実現されてもよい。
【0042】
図７は、一実施形態の一例としてのサーバ１の機能を実現するコンピュータ１０のハードウェア（ＨＷ）構成例を示すブロック図である。サーバ１の機能を実現するＨＷリソースとして、複数のコンピュータが用いられる場合は、各コンピュータが図７に例示するＨＷ構成を備えてよい。
【0043】
図７に示すように、コンピュータ１０は、ＨＷ構成として、例示的に、プロセッサ１０ａ，グラフィック処理装置１０ｂ，メモリ１０ｃ，記憶部１０ｄ，ＩＦ（Interface）部１０ｅ，ＩＯ（Input / Output）部１０ｆ及び読取部１０ｇを備えてよい。
【0044】
プロセッサ１０ａは、種々の制御や演算を行なう演算処理装置の一例である。プロセッサ１０ａは、コンピュータ１０内の各ブロックとバス１０ｊで相互に通信可能に接続されてよい。なお、プロセッサ１０ａは、複数のプロセッサを含むマルチプロセッサであってもよいし、複数のプロセッサコアを有するマルチコアプロセッサであってもよく、或いは、マルチコアプロセッサを複数有する構成であってもよい。
【0045】
プロセッサ１０ａとしては、例えば、ＣＰＵ，ＭＰＵ，ＡＰＵ，ＤＳＰ，ＡＳＩＣ，ＦＰＧＡ等の集積回路（ＩＣ：integrated circuit）が挙げられる。なお、プロセッサ１０ａとして、これらの集積回路の２以上の組み合わせが用いられてもよい。ＣＰＵはCentral Processing Unitの略称であり、ＭＰＵはMicro Processing Unitの略称である。ＡＰＵはAccelerated Processing Unitの略称である。ＤＳＰはDigital Signal Processorの略称であり、ＡＳＩＣはApplication Specific ICの略称であり、ＦＰＧＡはField-Programmable Gate Arrayの略称である。
【0046】
グラフィック処理装置１０ｂは、ＩＯ部１０ｆのうちのモニタ等の出力装置に対する画面表示制御を行なう。また、グラフィック処理装置１０ｂは、機械学習モデルを利用した機械学習処理及び推論処理を実行するアクセラレータとしての構成を有してよい。グラフィック処理装置１０ｂとしては、種々の演算処理装置、例えば、ＧＰＵ（Graphics Processing Unit），ＡＰＵ，ＤＳＰ，ＡＳＩＣ又はＦＰＧＡ等の集積回路（ＩＣ）が挙げられる。
【0047】
メモリ１０ｃは、種々のデータやプログラム等の情報を格納するＨＷの一例である。メモリ１０ｃとしては、例えばＤＲＡＭ（Dynamic Random Access Memory）等の揮発性メモリ、及び、ＰＭ（Persistent Memory）等の不揮発性メモリ、の一方又は双方が挙げられる。
【0048】
記憶部１０ｄは、種々のデータやプログラム等の情報を格納するＨＷの一例である。記憶部１０ｄとしては、ＨＤＤ（Hard Disk Drive）等の磁気ディスク装置，ＳＳＤ（Solid State Drive）等の半導体ドライブ装置，不揮発性メモリ等の各種記憶装置が挙げられる。不揮発性メモリとしては、例えば、フラッシュメモリ，ＳＣＭ（Storage Class Memory），ＲＯＭ（Read Only Memory）等が挙げられる。
【0049】
記憶部１０ｄは、コンピュータ１０の各種機能の全部若しくは一部を実現するプログラム１０ｈ（データ処理プログラム）を格納してよい。
【0050】
例えば、サーバ１のプロセッサ１０ａは、記憶部１０ｄに格納されたプログラム１０ｈをメモリ１０ｃに展開して実行することにより、後述する制御部２０（図８参照）としての機能を実現できる。
【0051】
ＩＦ部１０ｅは、サーバ１と他のコンピュータとの間の接続及び通信の制御等を行なう通信ＩＦの一例である。例えば、ＩＦ部１０ｅは、イーサネット（登録商標）等の電気通信（例えばＬＡＮ（Local Area Network））、或いは、ＦＣ（Fibre Channel）等の光通信等に準拠したアダプタを含んでよい。当該アダプタは、無線及び有線の一方又は双方の通信方式に対応してよい。
【0052】
なお、プログラム１０ｈは、当該通信ＩＦを介して、ネットワークからコンピュータ１０にダウンロードされ、記憶部１０ｄに格納されてもよい。
【0053】
ＩＯ部１０ｆは、入力装置、及び、出力装置、の一方又は双方を含んでよい。入力装置としては、例えば、キーボード、マウス、タッチパネル等が挙げられる。出力装置としては、例えば、モニタ、プロジェクタ、プリンタ等が挙げられる。また、ＩＯ部１０ｆは、入力装置及び表示装置が一体となったタッチパネル等を含んでもよい。出力装置は、グラフィック処理装置１０ｂに接続されてよい。
【0054】
読取部１０ｇは、記録媒体１０ｉに記録されたデータやプログラムの情報を読み出すリーダの一例である。読取部１０ｇは、記録媒体１０ｉを接続可能又は挿入可能な接続端子又は装置を含んでよい。読取部１０ｇとしては、例えば、ＵＳＢ（Universal Serial Bus）等に準拠したアダプタ、記録ディスクへのアクセスを行なうドライブ装置、ＳＤカード等のフラッシュメモリへのアクセスを行なうカードリーダ等が挙げられる。なお、記録媒体１０ｉにはプログラム１０ｈが格納されてもよく、読取部１０ｇが記録媒体１０ｉからプログラム１０ｈを読み出して記憶部１０ｄに格納してもよい。
【0055】
記録媒体１０ｉとしては、例示的に、磁気／光ディスクやフラッシュメモリ等の非一時的なコンピュータ読取可能な記録媒体が挙げられる。磁気／光ディスクとしては、例示的に、フレキシブルディスク、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、ブルーレイディスク、ＨＶＤ（Holographic Versatile Disc）等が挙げられる。フラッシュメモリとしては、例示的に、ＵＳＢメモリやＳＤカード等の半導体メモリが挙げられる。
【0056】
上述したコンピュータ１０のＨＷ構成は例示である。従って、コンピュータ１０内でのＨＷの増減（例えば任意のブロックの追加や削除）、分割、任意の組み合わせでの統合、又は、バスの追加若しくは削除等は適宜行なわれてもよい。
【0057】
〔Ｄ〕ソフトウェア構成例
図８は、一実施形態の一例としてのサーバ１のソフトウェア構成例を示すブロック図である。サーバ１は、情報処理装置又はコンピュータの一例である。
図８は、一実施形態の一例としてのサーバ１のソフトウェア構成例を示すブロック図である。サーバ１は、情報処理装置又はコンピュータの一例である。
【0058】
図８に示すように、サーバ１は、例示的に、基底セグメント抽出部１２，全体傾向抽出部１３，指標値算出部１４，分類部１５，併合部１６及び訓練データ生成部１７を備えてよい。また、サーバ１は、機械学習処理を行なう場合には機械学習部１８を備えてもよい。さらに、サーバ１は、推論処理を行なう場合には推論部１９を備えてもよい。サーバ１が備えるブロック１２～１９は、制御部２０の一例である。制御部２０の機能は、例えば、図７に示すコンピュータ１０のプロセッサ１０ａが、メモリ１０ｃに展開されたプログラム１０ｈを実行することにより実現されてよい。
【0059】
また、図８に示すように、サーバ１は、例示的に、入力データ１１ａ，基底セグメント１１ｂ，全体傾向１１ｃ，指標値１１ｄ，分類済み基底セグメント１１ｅ，併合済みセグメント１１ｆ及び訓練データ１１ｇを記憶可能な記憶領域を備えてよい。また、当該記憶領域は、サーバ１が機械学習部１８を備える場合、機械学習モデル１１ｈを記憶可能であってもよい。さらに、当該記憶領域は、サーバ１が推論部１９を備える場合、推論用データ１１ｉ及び推論結果１１ｊを記憶可能であってもよい。
【0060】
サーバ１が有する記憶領域は、例えば、図７に示すコンピュータ１０のメモリ１０ｃ及び記憶部１０ｄのうちの一方又は双方の記憶領域により実現されてよい。
【0061】
サーバ１は、例えば、入力データ１１ａ，訓練未実施の機械学習モデル１１ｈ及び推論用データ１１ｉのうちの少なくとも１つを、図示しない他のコンピュータからＩＦ部１０ｅ及びネットワークを介して受信し、記憶領域に格納してもよい。
【0062】
また、サーバ１は、例えば、記憶領域に格納された併合済みセグメント１１ｆ，訓練データ１１ｇ，訓練済みの機械学習モデル１１ｈ及び推論結果１１ｊのうちの少なくとも１つを、ＩＦ部１０ｅ及びネットワークを介して、図示しない他のコンピュータに送信してもよい。なお、サーバ１は、中間データ、例えばデータ１１ｂ～１１ｅのうちの少なくとも１つを、ＩＦ部１０ｅ及びネットワークを介して、図示しない他のコンピュータに送信してもよい。
【0063】
図９は、入力データ１１ａの一例を示す図である。入力データ１１ａは、データ集合の一例であり、例えば住宅融資データである。図９に例示するように、入力データ１１ａは、収入（income）及び借入金額（loan_amount）の２つの属性を有するデータ（エントリ）の集合である。
【0064】
収入及び借入金額は、それぞれ、属性の値が数値である数値属性である。図９の例では、収入の数値は、実際の収入の数値を、実際の収入の数値範囲に応じて0.0～1.0の範囲内に収まるようにスケーリングした値である。また、借入金額の数値は、実際の借入金額の数値を、実際の借入金額の最小値から最大値までの数値範囲に応じて0.0～1.0の範囲内に収まるようにスケーリングした値である。
【0065】
なお、図９では、入力データ１１ａが10件のデータ（エントリ）を有する例を示すが、実際には多数（例えば1000件以上）のデータを有してよい。また、入力データ１１ａは、図９に例示する属性以外に、他の数値属性及び非数値属性のうちの一方又は双方を含んでもよい。
【0066】
基底セグメント抽出部１２は、入力データ１１ａから基底セグメント１１ｂを抽出する。例えば、基底セグメント１１ｂは、入力データ１１ａを、各属性の値の範囲に応じた初期設定区間で分割して得られる最小粒度のセグメントである。
【0067】
図１０は、入力データ１１ａの散布図の一例を示す図である。図１０の符号Ｉに示す散布図は、横軸を収入、縦軸を借入金額として定義された二次元空間上に、入力データ１１ａに含まれる複数のデータの各々をプロットしたものである。
【0068】
図１０の符号Ｉ１に示すように、基底セグメント１１ｂは、例えば、収入及び借入金額の各々の数値範囲（0.0～1.0）を所定数（例えば10）に分割（区分け）した矩形領域のセグメントである。例えば、基底セグメント１１ｂの初期設定区間は、横軸及び縦軸ともに0.1である。
【0069】
基底セグメント１１ｂは、例えば、空間中のセグメントの位置（例えば各軸上の範囲），セグメントに含まれる（属する）データを特定するための情報，セグメントに含まれるデータ数，等の情報を含んでよい。
【0070】
なお、処理負荷の軽減のため、例えば、サーバ１は、処理対象の基底セグメント１１ｂを、所定のデータ数以上の基底セグメント１１ｂに制限してもよい。以下の説明では、サーバ１は、データ数が5以上の基底セグメント１１ｂを処理対象にするものとする。
【0071】
全体傾向抽出部１３は、入力データ１１ａから全体傾向１１ｃを抽出する。全体傾向１１ｃは、入力データ１１ａの複数の数値属性によって定義される空間中の傾向の一例である。全体傾向１１ｃは、例えば、入力データ１１ａに含まれる複数のデータの分布傾向を、直線，曲線，又はこれらの組み合わせにより表現する数式であってよい。一例として、全体傾向１１ｃは、入力データ１１ａに含まれる複数のデータに対する種々の回帰分析によって算出されてよい。一実施形態では、全体傾向１１は、回帰分析の結果の一例として算出される回帰直線であってよい。全体傾向抽出部１３による全体傾向１１ｃの算出手法としては、既知の種々の手法が採用されてよい。
【0072】
図１０の符号Ｉ２は、入力データ１１ａの回帰直線の一例である。符号Ｉ２で示す回帰直線は、符号Ｉで示す散布図の横軸をx軸，縦軸をy軸とすると、y=0.3687x+0.0857で表される。
【0073】
指標値算出部１４は、基底セグメント１１ｂ及び全体傾向１１ｃに基づき、指標値１１ｄを算出する。指標値１１ｄは、全体傾向１１ｃと、入力データ１１ａに含まれるデータそれぞれとの距離の一例である。一実施形態では、指標値１１ｄは、基底セグメント１１ｂ毎に算出されてよい。
【0074】
指標値１１ｄとしては、例えば、データ群間の距離を表す種々の指標値が用いられてよく、一例として、平均二乗誤差（ＭＳＥ：Mean Squared Error）が用いられてよい。
【0075】
指標値算出部１４は、例えば、基底セグメント１１ｂ毎に、全体傾向１１ｃと、当該基底セグメント１１ｂに含まれるデータとの間のＭＳＥを算出してよい。
【0076】
図１１は、平均二乗誤差（ＭＳＥ）の算出処理の一例を示す図である。図１１では、n（nは1以上の整数）個のデータを含む或る基底セグメント１１ｂ（破線枠参照）に着目する。基底セグメント１１ｂ内のデータをi（iは1以上n以下の整数）で示し、データiの収入（横軸）の数値及び借入金額（縦軸）の数値をそれぞれxi及びyiで示すと、ＭＳＥは、下記式（１）により算出されてよい。
【数1】
【0077】
以下、yハットをy^と表記する。上記式（１）において、y^iは、回帰直線y^におけるx=xiのときのy^の値を意味する。回帰直線は、y^=0.3687x+0.0857であるものとする。
【0078】
このように、サーバ１による上記（ｉ）の処理は、基底セグメント抽出部１２，全体傾向抽出部１３及び指標値算出部１４により実行されてよい。換言すれば、基底セグメント抽出部１２，全体傾向抽出部１３及び指標値算出部１４は、入力データ１１ａの複数の数値属性によって定義される空間中の傾向と、入力データ１１ａに含まれるデータそれぞれとの距離を算出してよい。
【0079】
なお、指標値算出部１４は、基底セグメント１１ｂ毎にＭＳＥを算出するものとしたが、これに限定されるものではない。例えば、指標値算出部１４は、基底セグメント１１ｂよりも小さい粒度、一例として、データ毎に、全体傾向１１ｃとデータとの間の距離を算出してもよい。この場合、指標値算出部１４は、上記式（１）において、n=1とした計算を行なってよい。
【0080】
分類部１５は、指標値算出部１４が算出した距離に基づいて、入力データ１１ａを複数のグループに分割することで、サーバ１による上記（ii）の処理を実行する。
【0081】
分類部１５は、例えば、指標値１１ｄの一例であるＭＳＥと所定の閾値とを比較し、比較結果に応じて、各基底セグメント１１ｂを複数のグループのうちのいずれかのグループにグループ分けすることで、分類済み基底セグメント１１ｅを取得してよい。分類済み基底セグメント１１ｅは、例えば、基底セグメント１１ｂの各々にグループの識別情報が付加された情報であってよい。
【0082】
図１２及び図１３は、分類部１５による基底セグメント１１ｂのグループ分け処理の一例を説明するための図である。図１２の符号Ｊに示す散布図は、図１０の符号Ｉに示す散布図における各基底セグメント１１ｂに、ＭＳＥと基底セグメント１１ｂ内のデータ数とを表記したものである。図１３の符号Ｋには、ＭＳＥと所定の閾値とに基づく各基底セグメント１１ｂのグループ分け結果の一例を示す。
【0083】
図１３の符号Ｋに例示するように、分類部１５は、ＭＳＥが所定の閾値未満の基底セグメント１１ｂを、細かい斜線で示す第１グループに分類し、ＭＳＥが所定の閾値以上の基底セグメント１１ｂを、粗い斜線で示す第２グループに分類してよい。所定の閾値は、例えば、ユーザにより予め指定されてよく、図１３の例では、0.01である。
【0084】
ＭＳＥが小さいほど、全体傾向１１ｃと基底セグメント１１ｂとの間の距離が近い、換言すれば、基底セグメント１１ｂに含まれるデータの傾向が全体傾向１１ｃと類似することを意味する。一方、ＭＳＥが大きいほど、全体傾向１１ｃと基底セグメント１１ｂとの間の距離が遠い、換言すれば、基底セグメント１１ｂに含まれるデータの傾向が全体傾向１１ｃとは異なることを意味する。
【0085】
従って、第１グループは、入力データ１１ａに含まれる複数のデータのうちの、全体傾向１１ｃと類似する傾向を有する基底セグメント１１ｂに含まれるデータのグループであるといえる。また、第２グループは、入力データ１１ａに含まれる複数のデータのうちの、全体傾向１１ｃと異なる傾向を有する基底セグメント１１ｂに含まれるデータのグループであるといえる。
【0086】
なお、一実施形態では、１つの閾値を用いて、入力データ１１ａを２つのグループに分類する例を示すが、これに限定されるものではない。例えば、分類部１５は、２つ以上の閾値を用いて、ＭＳＥが２つ以上の閾値により区分される３つ以上のグル－プのうちのいずれのグループに属するかに応じて、入力データ１１ａを３つ以上のグループに分類してもよい。
【0087】
併合部１６は、複数のグループのそれぞれにおいて、グループに含まれる入力データ１１ａを複数の数値属性の値に基づいて分類することで、サーバ１による上記（iii）の処理を実行する。
【0088】
併合部１６は、例えば、分類済み基底セグメント１１ｅにおける同一のグループ毎に、同一のグループ内の基底セグメント１１ｂ間の位置（配置）関係に基づいて１以上の基底セグメント１１ｂを併合することで、併合済みセグメント１１ｆを取得してよい。併合済みセグメント１１ｆは、部分データ集合の一例であり、例えば、基底セグメント１１ｂの各々にセグメント（併合後のセグメント）の識別情報が付加された情報であってよい。
【0089】
例えば、併合部１６は、所定の併合条件に従い、１以上の基底セグメント１１ｂを併合してよい。併合条件は、例えば、以下の（ａ）～（ｄ）の全てを含む条件であってよい。
【0090】
（ａ）併合の判定を開始する空間上の基底セグメント１１ｂは、各軸の最小値又は最大値に位置する基底セグメント１１ｂとする。例えば、併合部１６は、二次元空間における複数の数値属性それぞれの最小値又は最大値のデータを含む基底セグメント１１ｂから併合を開始する。
【0091】
一実施形態では、併合部１６は、図１３の例における横軸の最小値（0.1～0.2），縦軸の最小値（0.0～0.1）の基底セグメント１１ｂ、換言すれば、左下端の基底セグメント１１ｂから併合の判定を開始する。
【0092】
（ｂ）併合部１６は、同一グループ内の隣接する基底セグメント１１ｂどうしを併合する。
「隣接する基底セグメント１１ｂ」とは、空間上の複数の軸のうちの、１つの軸の数値範囲が連続し、他の全ての軸の数値範囲が同一となる２つの基底セグメント１１ｂを意味してよい。
「隣接する基底セグメント１１ｂ」とは、空間上の複数の軸のうちの、１つの軸の数値範囲が連続し、他の全ての軸の数値範囲が同一となる２つの基底セグメント１１ｂを意味してよい。
【0093】
（ｃ）併合後のセグメントに含まれるデータ数がN（Nは整数）未満となること。
Ｎは、例えば、ユーザにより予め指定されてよい。一実施形態では、N=200であるものとする。例えば、併合部１６は、基底セグメント１１ｂどうしを併合して得られるセグメントに含まれるデータ数が所定の条件を満たすまで、隣接する基底セグメント１１ｂどうしを併合する。
Ｎは、例えば、ユーザにより予め指定されてよい。一実施形態では、N=200であるものとする。例えば、併合部１６は、基底セグメント１１ｂどうしを併合して得られるセグメントに含まれるデータ数が所定の条件を満たすまで、隣接する基底セグメント１１ｂどうしを併合する。
【0094】
所定の条件とは、一例として、基底セグメント１１ｂどうしを併合して得られるセグメントに含まれるデータ数が所定数（例えばN）を超えること、であってもよい。この場合、併合部１６は、例えば、当該データ数がN=200を超える直前まで、隣接する基底セグメント１１ｂどうしを併合してよい。
【0095】
（ｄ）併合後のセグメントが矩形となること。
図１４は、基底セグメント１１ｂの併合条件の一例を説明するための図である。図１４の例では、実線で示す３つの基底セグメント１１ｂ（符号Ｌ参照）が、同一のグループに属する隣接する基底セグメント１１ｂであるものとする。併合部１６は、上記（ｂ）の条件に従い、紙面左下及び左上の基底セグメント１１ｂを併合する（符号Ｌ１参照）。
図１４は、基底セグメント１１ｂの併合条件の一例を説明するための図である。図１４の例では、実線で示す３つの基底セグメント１１ｂ（符号Ｌ参照）が、同一のグループに属する隣接する基底セグメント１１ｂであるものとする。併合部１６は、上記（ｂ）の条件に従い、紙面左下及び左上の基底セグメント１１ｂを併合する（符号Ｌ１参照）。
【0096】
一方、併合部１６は、符号Ｌ１の併合の後に、紙面左上及び右上の基底セグメント１１ｂの併合可否を判定するが、当該併合後に、３つの基底セグメント１１ｂの形状は矩形とならない（符号Ｌ２参照）。このように、併合部１６は、上記（ｂ）の条件を満たす基底セグメント１１ｂどうしを併合後のセグメントが矩形にならない場合、上記（ｄ）の条件に従い、当該基底セグメント１１ｂどうしの併合を抑制する。このように、併合部１６は、セグメントが矩形形状となるように、隣接する基底セグメント１１ｂどうしを併合する。
【0097】
なお、基底セグメント１１ｂの二次元空間上における形状である矩形形状は、第１の形状の一例である。また、複数の基底セグメント１１ｂの併合後の形状は、第２の形状の一例である。すなわち、併合部１６は、空間において基底セグメント１１ｂを含む領域の形状が第２の形状となるように、隣接する基底セグメント１１ｂどうしを併合する、といえる。複数の数値属性によって定義される空間が二次元以外、例えば三次元である場合、第１及び第２の形状のそれぞれは、例えば、直方体等の形状であってもよい。第１の形状及び第２の形状の少なくとも一方は、上述した形状に限定されるものではなく、種々の幾何学的形状であってもよい。
【0098】
併合部１６は、上記（ａ）～（ｄ）の併合条件に基づき、グループ毎に、基底セグメント１１ｂの併合可否の判定を繰り返し、全ての基底セグメント１１ｂについての判定（分類）が終了すると、併合済みセグメント１１ｆを出力してよい。併合済みセグメント１１ｆの出力は、例えば、サーバ１の出力装置（ＩＯ部１０ｆ）への画面表示やユーザへの通知、併合済みセグメント１１ｆを利用するソフトウェア（アプリケーション）への送信、等を含んでよい。
【0099】
以下、図１５～図２７を参照して、併合部１６による基底セグメント１１ｂの併合処理の一例を説明する。図１５～図２７は、基底セグメント１１ｂの併合処理の一例を説明するための図である。図１５～図１９には、第１グループにおける併合処理の一例を示し、図２０～図２７には、第２グループにおける併合処理の一例を示す。
【0100】
【0101】
以下の説明において、特定の基底セグメント１１ｂを示す場合には、基底セグメント１１ｂの座標位置（x軸（収入），y軸（借入金額））を用いて表記する場合がある。例えば、図１５の左下端の基底セグメント１１ｂを、基底セグメント（0.1～0.2, 0.0～0.1）と表記する。
【0102】
まず、併合部１６は、第１グループにおける併合処理を実行する。なお、併合部１６は、複数のグループのうちのいずれのグループから併合処理を開始してもよい。
【0103】
図１５に示すように、併合部１６は、左下端の基底セグメント１１ｂと、その紙面上側の基底セグメント（0.1～0.2, 0.1～0.2）とを併合して、併合セグメントＫ１を取得する。なお、併合セグメントＫ１のデータ数は25であり、N=200未満である。併合部１６は、併合セグメントＫ１と基底セグメント（0.2～0.3, 0.1～0.2）との併合可否を判定するが、併合した場合に矩形にならない（上記（ｄ）の条件を満たさない）ため、これ以上の併合を抑制し、併合セグメントＫ１を確定する。
【0104】
図１６に示すように、併合部１６は、基底セグメント（0.2～0.3, 0.1～0.2）から基底セグメント（0.3～0.4, 0.2～0.3）までの４つの基底セグメント１１ｂを併合して、併合セグメントＫ２を取得する。併合セグメントＫ２のデータ数は199であり、N=200未満である。併合部１６は、併合セグメントＫ２と基底セグメント（0.4～0.5, 0.1～0.2）及び基底セグメント（0.4～0.5, 0.2～0.3）との併合可否を判定するが、併合した場合にデータ数がN以上となる（上記（ｃ）の条件を満たさない）ため、これ以上の併合を抑制し、併合セグメントＫ２を確定する。
【0105】
図１７に示すように、併合部１６は、基底セグメント（0.4～0.5, 0.1～0.2）から基底セグメント（0.4～0.5, 0.3～0.4）までの３つの基底セグメント１１ｂを併合して、併合セグメントＫ３を取得する（データ数126）。これ以上の併合は上記（ｄ）の条件を満たさなくなるため、併合部１６は、これ以上の併合を抑制し、併合セグメントＫ３を確定する。
【0106】
図１８に示すように、併合部１６は、基底セグメント（0.5～0.6, 0.2～0.3）から基底セグメント（0.6～0.7, 0.3～0.4）までの４つの基底セグメント１１ｂを併合して、併合セグメントＫ４を取得する（データ数160）。これ以上の併合は上記（ｄ）の条件を満たさなくなるため、併合部１６は、これ以上の併合を抑制し、併合セグメントＫ４を確定する。
【0107】
図１９に示すように、併合部１６は、基底セグメント（0.7～0.8, 0.3～0.4）から基底セグメント（0.9～1.0, 0.4～0.5）までの６つの基底セグメント１１ｂを併合して、併合セグメントＫ５を取得する（データ数125）。併合セグメントＫ５に隣接する他の未併合の基底セグメント１１ｂが第１グループに存在しない（上記（ｂ）の条件をみたさない）ため、併合部１６は、これ以上の併合を抑制し、併合セグメントＫ５を確定する。
【0108】
次に、併合部１６は、第２グループにおける併合処理を実行する。
【0109】
図２０に示すように、併合部１６は、基底セグメント（0.2～0.3, 0.0～0.1）から基底セグメント（0.5～0.6, 0.0～0.1）までの４つの基底セグメント１１ｂを併合して、併合セグメントＫ６を取得する（データ数55）。これ以上の併合は上記（ｄ）の条件を満たさなくなるため、併合部１６は、これ以上の併合を抑制し、併合セグメントＫ６を確定する。
【0110】
図２１に示すように、併合部１６は、基底セグメント（0.3～0.4, 0.3～0.4）を１つの併合セグメントＫ７として取得する（データ数23）。併合セグメントＫ７に隣接する他の未併合の基底セグメント１１ｂが第２グループに存在しない（上記（ｂ）の条件を満たさない）ため、併合部１６は、これ以上の併合を抑制し、併合セグメントＫ７を確定する。
【0111】
図２２に示すように、併合部１６は、基底セグメント（0.4～0.5, 0.4～0.5）から基底セグメント（0.6～0.7, 0.5～0.6）までの６つの基底セグメント１１ｂを併合して、併合セグメントＫ８を取得する（データ数69）。これ以上の併合は上記（ｄ）の条件を満たさなくなるため、併合部１６は、これ以上の併合を抑制し、併合セグメントＫ８を確定する。
【0112】
図２３に示すように、併合部１６は、基底セグメント（0.5～0.6, 0.1～0.2）から基底セグメント（0.9～1.0, 0.1～0.2）までの５つの基底セグメント１１ｂを併合して、併合セグメントＫ９を取得する（データ数80）。これ以上の併合は上記（ｄ）の条件を満たさなくなるため、併合部１６は、これ以上の併合を抑制し、併合セグメントＫ９を確定する。
【0113】
図２４に示すように、併合部１６は、基底セグメント（0.7～0.8, 0.2～0.3）から基底セグメント（0.9～1.0, 0.2～0.3）までの３つの基底セグメント１１ｂを併合して、併合セグメントＫ１０を取得する（データ数44）。併合セグメントＫ１０に隣接する他の未併合の基底セグメント１１ｂが第２グループに存在しない（上記（ｂ）の条件を満たさない）ため、併合部１６は、これ以上の併合を抑制し、併合セグメントＫ１０を確定する。
【0114】
図２５に示すように、併合部１６は、基底セグメント（0.7～0.8, 0.5～0.6）から基底セグメント（0.9～1.0, 0.5～0.6）までの３つの基底セグメント１１ｂを併合して、併合セグメントＫ１１を取得する（データ数33）。これ以上の併合は上記（ｄ）の条件を満たさなくなるため、併合部１６は、これ以上の併合を抑制し、併合セグメントＫ１１を確定する。
【0115】
図２６に示すように、併合部１６は、基底セグメント（0.8～0.9, 0.6～0.7）を１つの併合セグメントＫ１２として取得する（データ数7）。併合セグメントＫ１２に隣接する他の未併合の基底セグメント１１ｂが第２グループに存在しない（上記（ｂ）の条件を満たさない）ため、併合部１６は、これ以上の併合を抑制し、併合セグメントＫ１２を確定する。
【0116】
以上により、第１グループ及び第２グループのそれぞれについて、グループ内の基底セグメント１１ｂの併合が完了する。
【0117】
なお、一実施形態では、データ数が5以上の基底セグメント１１ｂを処理対象の基底セグメント１１ｂとして、併合判定行なう場合を例に挙げて説明したが、これに限定されるものではない。例えば、全体傾向１１ｃとは異なる傾向を有するデータのグループ（例えば第２グループ）の基底セグメント１１ｂについては、処理対象とする基底セグメント１１ｂのデータ数の閾値（例えば5）にかかわらず、併合処理において併合候補の基底セグメント１１ｂとして扱われてもよい。
【0118】
例えば、図２０において、併合部１６は、基底セグメント（0.2～0.3, 0.0～0.1）から基底セグメント（0.6～0.7, 0.0～0.1）又は（0.9～1.0, 0.0～0.1）までの５つ又は８つの基底セグメント１１ｂを併合して、併合セグメントＫ６を取得してもよい。また、図２１において、併合部１６は、基底セグメント（0.3～0.4, 0.3～0.4）から基底セグメント（0.3～0.4, 0.4～0.5）までの２つの基底セグメント１１ｂを併合して、併合セグメントＫ７を取得してもよい。
【0119】
図２７は、図２５及び図２６に示す併合処理の代替処理の一例を説明するための図である。図２７に示すように、併合部１６は、図２５及び図２６に示す併合セグメントＫ１１及びＫ１２に代えて、併合セグメントＫ１１’を取得してもよい。例えば、併合部１６は、基底セグメント（0.7～0.8, 0.5～0.6）から基底セグメント（0.9～1.0, 0.6～0.7）までの６つの基底セグメント１１ｂを併合して、併合セグメントＫ１１’を取得する。併合セグメントＫ１１’に隣接する他の未併合の基底セグメント１１ｂが第２グループに存在しない（上記（ｂ）の条件を満たさない）ため、併合部１６は、これ以上の併合を抑制し、併合セグメントＫ１１’を確定する。
【0120】
なお、部分データ集合（セグメント）を取得する手法、すなわちデータ集合を分類しセグメントを取得する手法は、上述した実施形態に限られるものではない。
【0121】
一例として、データ集合は、データ集合に含まれるデータの数値属性の値に基づいて分類されてもよい。一例として、データ集合は、データ集合に含まれる基準となるデータと他のデータとの間の距離に基づいて分類されてもよい。一例として、データ集合は、データ集合に含まれる基準となるデータから所定の距離内にあるデータが同一セグメントとなるように分類されてもよい。一例として、データ集合は、データ集合に含まれる基準となるデータに近いデータから順番に所定のデータ数を満たすまでのデータを同一セグメントとして、分類されてもよい。
【0122】
また、データ集合の分類に用いられる、データ集合に含まれる基準となるデータと他のデータとの間の距離は、数値属性の軸に応じて異なってもよい。単位あたりの距離は、数値属性の軸に応じて異なってもよい。データ集合に含まれる基準となるデータと他のデータとの間の距離は、空間内の物理的な距離でなく、特定の数値属性の軸を定め数値属性の値の差から算出してもよい。
【0123】
図８の説明に戻り、訓練データ生成部１７は、入力データ１１ａ及び併合済みセグメント１１ｆに基づき、訓練データ１１ｇを生成する。
【0124】
訓練データ生成部１７は、例えば、入力データ１１ａに含まれる複数のデータのそれぞれについて、併合済みセグメント１１ｆの併合セグメント毎に、公平性の判断を行なってよい。そして、訓練データ生成部１７は、入力データ１１ａに含まれる複数のデータのそれぞれについて、判断結果に基づき、データの是正処理を行ない、是正処理が行なわれたデータを含む複数のデータを、訓練データ１１ｇとして取得してよい。公平性の判断処理並びにデータの是正処理は、既知の種々の手法が採用されてよい。
【0125】
機械学習部１８は、訓練データ１１ｇを利用した機械学習モデル１１ｈの訓練（機械学習処理）を実行する。機械学習部１８による機械学習モデル１１ｈの訓練手法としては、既知の種々の手法が採用されてよい。
【0126】
例えば、訓練データ生成部１７による訓練データ１１ｇの生成（入力データ１１ａの是正処理）により、機械学習モデル１１ｈによる不公平な推論を抑制することが可能となる。一例として、訓練データ生成部１７による公平性の判断処理により、全体傾向１１ｃに対する類似の程度が近いデータどうしをまとめた併合セグメント毎に、差別等の不公平な推論結果の出力を引き起こし得るデータを、入力データ１１ａの中から推定できる。また、データの是正処理により、例えば、推定したデータにおける保護属性に対する非保護属性の値を書き換え、保護属性と非保護属性との間の相関を軽減することで、機械学習モデル１１ｈによる不公平な推論を抑制できる。保護属性とは、例えば、性別、年齢、人種、国籍等の、差別の発生し得る属性であり、非保護属性とは、例えば、収入及び借入金額等の属性である。
【0127】
推論部１９は、推論用データ１１ｉと機械学習部１８による訓練済み機械学習モデル１１ｈとを用いた推論処理を実行する。例えば、推論部１９は、推論用データ１１ｉを訓練済み機械学習モデル１１ｈに入力することで、推論結果１１ｊを取得してよい。
【0128】
以上のように、一実施形態に係るサーバ１によれば、入力データ１１ａに含まれる複数のデータのそれぞれ、例えば基底セグメント１１ｂのそれぞれについて、全体傾向１１ｃとの類似度、例えば全体傾向１１ｃとの差（近さ）に従った分類が行なわれる。例えば、全体傾向１１ｃとの類似度が同程度のデータを、これらのデータ間の距離に基づき分類（例えば部分データ集合に分類）することができる。
【0129】
これにより、データ集合を属性間の関係性に沿った部分データ集合に分類することができ、例えば、同一セグメント内に、全体傾向１１ｃに従ったデータと異なるデータとが混在することを抑制できる。従って、例えば、セグメント抽出によって適切なセグメントを取得することができ、セグメント内又はセグメント間のデータを利用する種々の処理、一例として、抽出されたセグメント（例えば顧客グループ）を用いたデータ分析において、精度の低下を抑制できる。また、例えば、抽出されたセグメントに基づき加工したデータセットを訓練データ１１ｇとして利用することで、訓練済み機械学習モデル１１ｈを用いた推論の精度の低下を抑制できる。
【0130】
さらに、併合後のセグメントに含まれるデータ数に上限を設けることにより、セグメント間のデータ数の偏りの軽減を実現できる。
【0131】
〔Ｅ〕動作例
次に、上述の如く構成された一実施形態の一例としてのサーバ１における動作例を、図２８に示すフローチャート（ステップＳ１～Ｓ８）に従って説明する。図２８は、一実施形態に係るサーバ１の動作例を説明するためのフローチャートである。
次に、上述の如く構成された一実施形態の一例としてのサーバ１における動作例を、図２８に示すフローチャート（ステップＳ１～Ｓ８）に従って説明する。図２８は、一実施形態に係るサーバ１の動作例を説明するためのフローチャートである。
【0132】
ステップＳ１において、サーバ１の基底セグメント抽出部１２は、入力データ１１ａから基底セグメント１１ｂを抽出する。
【0133】
ステップＳ２において、全体傾向抽出部１３は、入力データ１１ａから全体傾向１１ｃを抽出する。
【0134】
ステップＳ３において、指標値算出部１４は、各基底セグメント１１ｂの全体傾向１１ｃに対する指標値、例えば、基底セグメント１１ｂと全体傾向１１ｃとの差を算出する。
【0135】
ステップＳ４において、分類部１５は、入力データ１１ａに含まれる複数のデータを、指標値１１ｄに基づき複数のグループに分割する。例えば、分類部１５は、指標値１１ｄに基づき、各基底セグメント１１ｂを複数のグループのうちのいずれかにグループ分けすることで、分類済み基底セグメント１１ｅを取得する。
【0136】
ステップＳ５において、併合部１６は、グループ分け結果に基づき、基底セグメント１１ｂを併合することで、併合済みセグメント１１ｆを取得する。例えば、併合部１６は、グループ毎に、グループ内のデータ間の距離に基づき、データどうし（例えば基底セグメント１１ｂどうし）を併合することで、複数のデータを部分データ集合に分類する。
【0137】
ステップＳ６において、訓練データ生成部１７は、併合済みセグメント１１ｆごとに、入力データ１１ａの公平性を判断する。
【0138】
ステップＳ７において、訓練データ生成部１７は、公平性の判断結果に基づき、入力データ１１ａの是正処理（修正処理）を行なうことで、訓練データ１１ｇを取得する。
【0139】
ステップＳ８において、機械学習部１８は、訓練データ１１ｇを用いて機械学習モデル１１ｈの訓練を行ない、処理が終了する。
【0140】
なお、訓練済み機械学習モデル１１ｈは、推論部１９により推論用データ１１ｉを用いた推論処理に利用されてよい。或いは、訓練済み機械学習モデル１１ｈは、他のコンピュータ等に送信され、推論処理に利用されてもよい。
【0141】
〔Ｆ〕その他
上述した一実施形態に係る技術は、以下のように変形、変更して実施することができる。
上述した一実施形態に係る技術は、以下のように変形、変更して実施することができる。
【0142】
例えば、図８に示すサーバ１が備えるブロック１２～１９は、任意の組み合わせで併合してもよく、それぞれ分割してもよい。
【0143】
また、一実施形態に係る併合部１６は、併合条件として、上記（ａ）～（ｄ）を用いるものとしたが、これに限定されるものではない。例えば、併合済みセグメント１１ｆを矩形の形状にするための上記（ｄ）の条件は、併合条件から除外されてもよい。
【0144】
上記（ｄ）の条件によれば、併合済みセグメント１１ｆを用いたデータ分析等において、併合済みセグメント１１ｆの領域を使用し易くする、例えば単一の範囲条件によって併合済みセグメント１１ｆを容易に指定できるという効果を奏するものである。
【0145】
併合条件から上記（ｄ）の条件を除外することにより、併合済みセグメント１１ｆは、矩形以外の形状になり得る。これにより、例えば、基底セグメント１１ｂどうしをより柔軟に併合することが可能となり、併合済みセグメント１１ｆ間のデータ数の偏りをより軽減できる可能性を高めることができる。なお、データ分析等においては、併合済みセグメント１１ｆを複合条件で指定することが可能である。
【0146】
また、例えば、図８に示すサーバ１は、複数の装置がネットワークを介して互いに連携することにより、各処理機能を実現する構成であってもよい。一例として、各ブロック１２～１９はＷｅｂサーバ及びアプリケーションサーバ、各データ１１ａ～１１ｊを格納する記憶領域はＤＢサーバ、等であってもよい。この場合、Ｗｅｂサーバ、アプリケーションサーバ及びＤＢサーバが、ネットワークを介して互いに連携することにより、サーバ１としての処理機能を実現してもよい。
【0147】
〔Ｇ〕付記
以上の実施形態に関し、さらに以下の付記を開示する。
以上の実施形態に関し、さらに以下の付記を開示する。
【0148】
（付記１）
個々のデータが複数の数値属性を有するデータ集合の前記複数の数値属性によって定義される空間中の傾向と、前記データ集合に含まれる複数のデータそれぞれとの距離を算出し、
算出した前記距離に基づいて、前記データ集合を複数のグループに分割し、
前記複数のグループのそれぞれにおいて、前記グループに含まれる前記データ集合を前記複数の数値属性の値に基づいて分類する
処理をコンピュータに実行させる、データ処理プログラム。
個々のデータが複数の数値属性を有するデータ集合の前記複数の数値属性によって定義される空間中の傾向と、前記データ集合に含まれる複数のデータそれぞれとの距離を算出し、
算出した前記距離に基づいて、前記データ集合を複数のグループに分割し、
前記複数のグループのそれぞれにおいて、前記グループに含まれる前記データ集合を前記複数の数値属性の値に基づいて分類する
処理をコンピュータに実行させる、データ処理プログラム。
【0149】
（付記２）
前記算出する処理は、
前記データ集合に含まれる前記複数のデータを、前記複数の数値属性それぞれの数値に基づき複数の基底データ集合に分割し、
前記データ集合の前記傾向と、前記複数のデータそれぞれとの前記距離を、前記データ集合の前記傾向と、前記複数の基底データ集合それぞれとの平均二乗誤差の算出により、前記基底データ集合毎に算出する、処理を含み、
前記分割する処理は、前記データ集合を、前記平均二乗誤差の値に応じて前記基底データ集合毎に前記複数のグループに分割する、処理を含む、
付記１に記載のデータ処理プログラム。
前記算出する処理は、
前記データ集合に含まれる前記複数のデータを、前記複数の数値属性それぞれの数値に基づき複数の基底データ集合に分割し、
前記データ集合の前記傾向と、前記複数のデータそれぞれとの前記距離を、前記データ集合の前記傾向と、前記複数の基底データ集合それぞれとの平均二乗誤差の算出により、前記基底データ集合毎に算出する、処理を含み、
前記分割する処理は、前記データ集合を、前記平均二乗誤差の値に応じて前記基底データ集合毎に前記複数のグループに分割する、処理を含む、
付記１に記載のデータ処理プログラム。
【0150】
（付記３）
前記分類する処理は、前記グループ毎に、前記グループに含まれる基底データ集合間の距離に基づいて、前記グループに含まれる前記基底データ集合どうしを併合する、処理を含む、
付記２に記載のデータ処理プログラム。
前記分類する処理は、前記グループ毎に、前記グループに含まれる基底データ集合間の距離に基づいて、前記グループに含まれる前記基底データ集合どうしを併合する、処理を含む、
付記２に記載のデータ処理プログラム。
【0151】
（付記４）
前記併合する処理は、前記グループ毎に、前記空間において隣接する基底データ集合どうしを併合して得られる部分データ集合に含まれるデータ数が所定の条件を満たすまで、前記隣接する基底データ集合どうしを併合する、処理を含む、
付記３に記載のデータ処理プログラム。
前記併合する処理は、前記グループ毎に、前記空間において隣接する基底データ集合どうしを併合して得られる部分データ集合に含まれるデータ数が所定の条件を満たすまで、前記隣接する基底データ集合どうしを併合する、処理を含む、
付記３に記載のデータ処理プログラム。
【0152】
（付記５）
前記併合する処理は、前記グループに含まれる複数の前記基底データ集合のうちの、前記空間における前記複数の数値属性それぞれの最小値又は最大値のデータを含む基底データ集合から前記併合を開始する、処理を含む、
付記４に記載のデータ処理プログラム。
前記併合する処理は、前記グループに含まれる複数の前記基底データ集合のうちの、前記空間における前記複数の数値属性それぞれの最小値又は最大値のデータを含む基底データ集合から前記併合を開始する、処理を含む、
付記４に記載のデータ処理プログラム。
【0153】
（付記６）
前記基底データ集合は、前記空間において第１の形状の領域であり、
前記併合する処理は、前記空間において前記部分データ集合を含む領域の形状が第２の形状となるように、前記隣接する基底データ集合どうしを併合する、処理を含む、
付記４又は付記５に記載のデータ処理プログラム。
前記基底データ集合は、前記空間において第１の形状の領域であり、
前記併合する処理は、前記空間において前記部分データ集合を含む領域の形状が第２の形状となるように、前記隣接する基底データ集合どうしを併合する、処理を含む、
付記４又は付記５に記載のデータ処理プログラム。
【0154】
（付記７）
前記算出する処理は、前記データ集合に含まれる前記複数のデータの回帰分析により、前記データ集合の前記空間中の傾向を算出する、処理を含む、
付記１～付記６のいずれか１項に記載のデータ処理プログラム。
前記算出する処理は、前記データ集合に含まれる前記複数のデータの回帰分析により、前記データ集合の前記空間中の傾向を算出する、処理を含む、
付記１～付記６のいずれか１項に記載のデータ処理プログラム。
【0155】
（付記８）
個々のデータが複数の数値属性を有するデータ集合の前記複数の数値属性によって定義される空間中の傾向と、前記データ集合に含まれる複数のデータそれぞれとの距離を算出し、
算出した前記距離に基づいて、前記データ集合を複数のグループに分割し、
前記複数のグループのそれぞれにおいて、前記グループに含まれる前記データ集合を前記複数の数値属性の値に基づいて分類する
処理をコンピュータが実行する、データ処理方法。
個々のデータが複数の数値属性を有するデータ集合の前記複数の数値属性によって定義される空間中の傾向と、前記データ集合に含まれる複数のデータそれぞれとの距離を算出し、
算出した前記距離に基づいて、前記データ集合を複数のグループに分割し、
前記複数のグループのそれぞれにおいて、前記グループに含まれる前記データ集合を前記複数の数値属性の値に基づいて分類する
処理をコンピュータが実行する、データ処理方法。
【0156】
（付記９）
前記算出する処理は、
前記データ集合に含まれる前記複数のデータを、前記複数の数値属性それぞれの数値に基づき複数の基底データ集合に分割し、
前記データ集合の前記傾向と、前記複数のデータそれぞれとの前記距離を、前記データ集合の前記傾向と、前記複数の基底データ集合それぞれとの平均二乗誤差の算出により、前記基底データ集合毎に算出する、処理を含み、
前記分割する処理は、前記データ集合を、前記平均二乗誤差の値に応じて前記基底データ集合毎に前記複数のグループに分割する、処理を含む、
付記８に記載のデータ処理方法。
前記算出する処理は、
前記データ集合に含まれる前記複数のデータを、前記複数の数値属性それぞれの数値に基づき複数の基底データ集合に分割し、
前記データ集合の前記傾向と、前記複数のデータそれぞれとの前記距離を、前記データ集合の前記傾向と、前記複数の基底データ集合それぞれとの平均二乗誤差の算出により、前記基底データ集合毎に算出する、処理を含み、
前記分割する処理は、前記データ集合を、前記平均二乗誤差の値に応じて前記基底データ集合毎に前記複数のグループに分割する、処理を含む、
付記８に記載のデータ処理方法。
【0157】
（付記１０）
前記分類する処理は、前記グループ毎に、前記グループに含まれる基底データ集合間の距離に基づいて、前記グループに含まれる前記基底データ集合どうしを併合する、処理を含む、
付記９に記載のデータ処理方法。
前記分類する処理は、前記グループ毎に、前記グループに含まれる基底データ集合間の距離に基づいて、前記グループに含まれる前記基底データ集合どうしを併合する、処理を含む、
付記９に記載のデータ処理方法。
【0158】
（付記１１）
前記併合する処理は、前記グループ毎に、前記空間において隣接する基底データ集合どうしを併合して得られる部分データ集合に含まれるデータ数が所定の条件を満たすまで、前記隣接する基底データ集合どうしを併合する、処理を含む、
付記１０に記載のデータ処理方法。
前記併合する処理は、前記グループ毎に、前記空間において隣接する基底データ集合どうしを併合して得られる部分データ集合に含まれるデータ数が所定の条件を満たすまで、前記隣接する基底データ集合どうしを併合する、処理を含む、
付記１０に記載のデータ処理方法。
【0159】
（付記１２）
前記併合する処理は、前記グループに含まれる複数の前記基底データ集合のうちの、前記空間における前記複数の数値属性それぞれの最小値又は最大値のデータを含む基底データ集合から前記併合を開始する、処理を含む、
付記１１に記載のデータ処理方法。
前記併合する処理は、前記グループに含まれる複数の前記基底データ集合のうちの、前記空間における前記複数の数値属性それぞれの最小値又は最大値のデータを含む基底データ集合から前記併合を開始する、処理を含む、
付記１１に記載のデータ処理方法。
【0160】
（付記１３）
前記基底データ集合は、前記空間において第１の形状の領域であり、
前記併合する処理は、前記空間において前記部分データ集合を含む領域の形状が第２の形状となるように、前記隣接する基底データ集合どうしを併合する、処理を含む、
付記１１又は付記１２に記載のデータ処理方法。
前記基底データ集合は、前記空間において第１の形状の領域であり、
前記併合する処理は、前記空間において前記部分データ集合を含む領域の形状が第２の形状となるように、前記隣接する基底データ集合どうしを併合する、処理を含む、
付記１１又は付記１２に記載のデータ処理方法。
【0161】
（付記１４）
前記算出する処理は、前記データ集合に含まれる前記複数のデータの回帰分析により、前記データ集合の前記空間中の傾向を算出する、処理を含む、
付記８～付記１３のいずれか１項に記載のデータ処理方法。
前記算出する処理は、前記データ集合に含まれる前記複数のデータの回帰分析により、前記データ集合の前記空間中の傾向を算出する、処理を含む、
付記８～付記１３のいずれか１項に記載のデータ処理方法。
【0162】
（付記１５）
個々のデータが複数の数値属性を有するデータ集合の前記複数の数値属性によって定義される空間中の傾向と、前記データ集合に含まれる複数のデータそれぞれとの距離を算出し、
算出した前記距離に基づいて、前記データ集合を複数のグループに分割し、
前記複数のグループのそれぞれにおいて、前記グループに含まれる前記データ集合を前記複数の数値属性の値に基づいて分類する
制御部を備える、情報処理装置。
個々のデータが複数の数値属性を有するデータ集合の前記複数の数値属性によって定義される空間中の傾向と、前記データ集合に含まれる複数のデータそれぞれとの距離を算出し、
算出した前記距離に基づいて、前記データ集合を複数のグループに分割し、
前記複数のグループのそれぞれにおいて、前記グループに含まれる前記データ集合を前記複数の数値属性の値に基づいて分類する
制御部を備える、情報処理装置。
【0163】
（付記１６）
前記制御部は、
前記算出する処理において、
前記データ集合に含まれる前記複数のデータを、前記複数の数値属性それぞれの数値に基づき複数の基底データ集合に分割し、
前記データ集合の前記傾向と、前記複数のデータそれぞれとの前記距離を、前記データ集合の前記傾向と、前記複数の基底データ集合それぞれとの平均二乗誤差の算出により、前記基底データ集合毎に算出し、
前記分割する処理において、前記データ集合を、前記平均二乗誤差の値に応じて前記基底データ集合毎に前記複数のグループに分割する、
付記１５に記載の情報処理装置。
前記制御部は、
前記算出する処理において、
前記データ集合に含まれる前記複数のデータを、前記複数の数値属性それぞれの数値に基づき複数の基底データ集合に分割し、
前記データ集合の前記傾向と、前記複数のデータそれぞれとの前記距離を、前記データ集合の前記傾向と、前記複数の基底データ集合それぞれとの平均二乗誤差の算出により、前記基底データ集合毎に算出し、
前記分割する処理において、前記データ集合を、前記平均二乗誤差の値に応じて前記基底データ集合毎に前記複数のグループに分割する、
付記１５に記載の情報処理装置。
【0164】
（付記１７）
前記制御部は、前記分類する処理において、前記グループ毎に、前記グループに含まれる基底データ集合間の距離に基づいて、前記グループに含まれる前記基底データ集合どうしを併合する、
付記１６に記載の情報処理装置。
前記制御部は、前記分類する処理において、前記グループ毎に、前記グループに含まれる基底データ集合間の距離に基づいて、前記グループに含まれる前記基底データ集合どうしを併合する、
付記１６に記載の情報処理装置。
【0165】
（付記１８）
前記制御部は、前記併合する処理において、前記グループ毎に、前記空間において隣接する基底データ集合どうしを併合して得られる部分データ集合に含まれるデータ数が所定の条件を満たすまで、前記隣接する基底データ集合どうしを併合する、
付記１７に記載の情報処理装置。
前記制御部は、前記併合する処理において、前記グループ毎に、前記空間において隣接する基底データ集合どうしを併合して得られる部分データ集合に含まれるデータ数が所定の条件を満たすまで、前記隣接する基底データ集合どうしを併合する、
付記１７に記載の情報処理装置。
【0166】
（付記１９）
前記制御部は、前記併合する処理において、前記グループに含まれる複数の前記基底データ集合のうちの、前記空間における前記複数の数値属性それぞれの最小値又は最大値のデータを含む基底データ集合から前記併合を開始する、
付記１８に記載の情報処理装置。
前記制御部は、前記併合する処理において、前記グループに含まれる複数の前記基底データ集合のうちの、前記空間における前記複数の数値属性それぞれの最小値又は最大値のデータを含む基底データ集合から前記併合を開始する、
付記１８に記載の情報処理装置。
【0167】
（付記２０）
前記基底データ集合は、前記空間において第１の形状の領域であり、
前記制御部は、前記併合する処理において、前記空間において前記部分データ集合を含む領域の形状が第２の形状となるように、前記隣接する基底データ集合どうしを併合する、
付記１８又は付記１９に記載の情報処理装置。
前記基底データ集合は、前記空間において第１の形状の領域であり、
前記制御部は、前記併合する処理において、前記空間において前記部分データ集合を含む領域の形状が第２の形状となるように、前記隣接する基底データ集合どうしを併合する、
付記１８又は付記１９に記載の情報処理装置。
【符号の説明】
【0168】
１ サーバ
１０ コンピュータ
１１ａ 入力データ
１１ｂ 基底セグメント
１１ｃ 全体傾向
１１ｄ 指標値
１１ｅ 分類済み基底セグメント
１１ｆ 併合済みセグメント
１１ｇ 訓練データ
１１ｈ 機械学習モデル
１１ｉ 推論用データ
１１ｊ 推論結果
１２ 基底セグメント抽出部
１３ 全体傾向抽出部
１４ 指標値算出部
１５ 分類部
１６ 併合部
１７ 訓練データ生成部
１８ 機械学習部
１９ 推論部
２０ 制御部
１０ コンピュータ
１１ａ 入力データ
１１ｂ 基底セグメント
１１ｃ 全体傾向
１１ｄ 指標値
１１ｅ 分類済み基底セグメント
１１ｆ 併合済みセグメント
１１ｇ 訓練データ
１１ｈ 機械学習モデル
１１ｉ 推論用データ
１１ｊ 推論結果
１２ 基底セグメント抽出部
１３ 全体傾向抽出部
１４ 指標値算出部
１５ 分類部
１６ 併合部
１７ 訓練データ生成部
１８ 機械学習部
１９ 推論部
２０ 制御部
【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】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
【図23】
【図24】
【図25】
【図26】
【図27】
【図28】