特許ウォッチ

公開番号2024052055
公報種別公開特許公報(A)
公開日2024-04-11
出願番号2022158495
出願日2022-09-30
発明の名称予測モデル生成装置、予測装置、予測モデル生成方法、予測方法、およびプログラム
出願人日本電気株式会社
代理人弁理士法人 HARAKENZO WORLD PATENT & TRADEMARK
主分類G06N 20/00 20190101AFI20240404BHJP(計算;計数)
要約【課題】予測フェーズにおける計算負荷を軽減できるとともに解釈性が良い予測モデルを生成する。
【解決手段】予測モデル生成装置(1)は、検証対象の予測モデルの学習に用いた学習データセットとは異なる検証データセットを用いて、検証対象の予測モデルに入力される複数の特徴量の各々について予測結果への寄与度を算出する寄与度算出部(11)と、各特徴量の寄与度に基づいて、複数の特徴量のうち一部を選択する特徴量選択部(12)と、選択された特徴量を入力として予測結果を出力する新たな予測モデルを生成する予測モデル生成部(13)と、を含む。
【選択図】図1
特許請求の範囲【請求項１】
検証対象の予測モデルの学習に用いた学習データセットとは異なる検証データセットを用いて、前記検証対象の予測モデルに入力される複数の特徴量の各々について予測結果への寄与度を算出する寄与度算出手段と、
各特徴量の寄与度に基づいて、前記複数の特徴量のうち一部を選択する特徴量選択手段と、
前記選択された特徴量を入力として前記予測結果を出力する新たな予測モデルを生成する予測モデル生成手段と、
を含む、予測モデル生成装置。
続きを表示（約 1,500 文字）【請求項２】
前記選択された特徴量の個数が複数であるとき、前記新たな予測モデルを検証対象として、前記寄与度算出手段、前記特徴量選択手段、および前記予測モデル生成手段が再度機能する、
請求項１に記載の予測モデル生成装置。
【請求項３】
前記寄与度算出手段は、各特徴量の寄与度を、前記検証データセットにおいて当該特徴量の値を変更した場合の前記検証対象の予測モデルの評価値と、変更しない場合の前記評価値と、の差に基づいて算出する、
請求項１または２に記載の予測モデル生成装置。
【請求項４】
前記寄与度算出手段は、前記検証データセットに含まれる複数のデータ片の間で当該特徴量の値をランダムに入れ替えることにより、当該特徴量の値を変更する、
請求項３に記載の予測モデル生成装置。
【請求項５】
前記寄与度算出手段は、各特徴量について、複数の前記検証データセットを用いて複数の前記寄与度を算出し、
前記特徴量選択手段は、複数の前記寄与度から得られる統計量が所定条件を満たす特徴量を選択する、
請求項１または２に記載の予測モデル生成装置。
【請求項６】
前記特徴量選択手段は、前記所定条件として、複数の前記寄与度の平均値から標準偏差を引いた値が閾値以上であることを適用する、
請求項５に記載の予測モデル生成装置。
【請求項７】
請求項１または２に記載の予測モデル生成装置によって生成された前記新たな予測モデルを用いる予測装置であって、
予測対象から得られる情報に基づいて、前記選択された特徴量を算出する特徴量算出手段と、
前記算出された特徴量を前記新たな予測モデルに入力することにより、前記予測対象に関する予測結果を出力する予測手段と、
を含む予測装置。
【請求項８】
コンピュータが、
検証対象の予測モデルの学習に用いた学習データセットとは異なる検証データセットを用いて、前記検証対象の予測モデルに入力される複数の特徴量の各々について予測結果への寄与度を算出することと、
各特徴量の寄与度に基づいて、前記複数の特徴量のうち一部を選択することと、
前記選択された特徴量を入力として前記予測結果を出力する新たな予測モデルを生成することと、
を含む、予測モデル生成方法。
【請求項９】
コンピュータが、
請求項１または２に記載の予測モデル生成装置によって生成された前記新たな予測モデルを用いて行う予測方法であって、
予測対象から得られる情報に基づいて、前記選択された特徴量を算出することと、
前記算出された特徴量を前記新たな予測モデルに入力することにより、前記予測対象に関する予測結果を出力することと、
を含む、予測方法。
【請求項１０】
コンピュータを、
検証対象の予測モデルの学習に用いた学習データセットとは異なる検証データセットを用いて、前記検証対象の予測モデルに入力される複数の特徴量の各々について予測結果への寄与度を算出する寄与度算出手段と、
各特徴量の寄与度に基づいて、前記複数の特徴量のうち一部を選択する特徴量選択手段と、
前記選択された特徴量を入力として前記予測結果を出力する新たな予測モデルを生成する予測モデル生成手段と、
として機能させる、プログラム。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、予測モデルを生成する技術、および予測モデルを用いて予測を行う技術に関する。
続きを表示（約 1,700 文字）【背景技術】
【０００２】
特許文献１には、患者の生体情報から得られた特徴量に基づいて患者の不穏状態を予測するシステムが記載されている。当該システムは、過去に患者が不穏状態であったときの生体情報から得られた特徴量と、非不穏状態であったときの生体情報から得られた特徴量と、を学習データとして学習された予測モデルを用いて、患者の不穏状態を予測している。
【先行技術文献】
【特許文献】
【０００３】
国際公開第２０１９／０４４６１９号
【発明の概要】
【発明が解決しようとする課題】
【０００４】
特許文献１に記載のシステムにおいては、予測モデルの学習データとして用いる特徴量が多数であることが多い。これは、不穏の要因がよくわかっていないため、要因の可能性がある多数の特徴量を用いて学習データとするためである。このような学習データから生成された予測モデルは、入力される多数の特徴量のうち何れが予測に寄与しているのかがわからず、解釈性が良くないという問題がある。また、このような予測モデルは、予測フェーズにおいて特徴量の計算負荷が高くなるという問題がある。これらの問題は、患者の不穏状態に限らず、要因が明確でない事象を予測する予測モデルにおいても同様に生じる問題である。
【０００５】
本発明の一態様は、上記の問題に鑑みてなされたものであり、予測フェーズにおける計算負荷を軽減できるとともに解釈性が良い予測モデルを生成する技術を提供することを目的とする。
【課題を解決するための手段】
【０００６】
本発明の一態様に係る予測モデル生成装置は、検証対象の予測モデルの学習に用いた学習データセットとは異なる検証データセットを用いて、前記検証対象の予測モデルに入力される複数の特徴量の各々について予測結果への寄与度を算出する寄与度算出手段と、各特徴量の寄与度に基づいて、前記複数の特徴量のうち一部を選択する特徴量選択手段と、前記選択された特徴量を入力として前記予測結果を出力する新たな予測モデルを生成する予測モデル生成手段と、を含む。
【０００７】
本発明の一態様に係る予測装置は、上述した予測モデル生成装置によって生成された前記新たな予測モデルを用いる予測装置であって、予測対象から得られる情報に基づいて、前記選択された特徴量を算出する特徴量算出手段と、前記算出された特徴量を前記新たな予測モデルに入力することにより、前記予測対象に関する予測結果を出力する予測手段と、を含む。
【０００８】
本発明の一態様に係る予測モデル生成方法は、コンピュータが、検証対象の予測モデルの学習に用いた学習データセットとは異なる検証データセットを用いて、前記検証対象の予測モデルに入力される複数の特徴量の各々について予測結果への寄与度を算出することと、各特徴量の寄与度に基づいて、前記複数の特徴量のうち一部を選択することと、前記選択された特徴量を入力として前記予測結果を出力する新たな予測モデルを生成することと、を含む。
【０００９】
本発明の一態様に係る予測方法は、コンピュータが、上述した予測モデル生成装置によって生成された前記新たな予測モデルを用いて行う予測方法であって、予測対象から得られる情報に基づいて、前記選択された特徴量を算出することと、前記算出された特徴量を前記新たな予測モデルに入力することにより、前記予測対象に関する予測結果を出力することと、を含む。
【００１０】
本発明の一態様に係るプログラムは、コンピュータを、検証対象の予測モデルの学習に用いた学習データセットとは異なる検証データセットを用いて、前記検証対象の予測モデルに入力される複数の特徴量の各々について予測結果への寄与度を算出する寄与度算出手段と、各特徴量の寄与度に基づいて、前記複数の特徴量のうち一部を選択する特徴量選択手段と、前記選択された特徴量を入力として前記予測結果を出力する新たな予測モデルを生成する予測モデル生成手段と、として機能させる。
（【００１１】以降は省略されています）

関連特許