特許ウォッチ

公開番号2024134113
公報種別公開特許公報(A)
公開日2024-10-03
出願番号2023044227
出願日2023-03-20
発明の名称モデル設定支援装置、モデル設定支援方法およびプログラム
出願人本田技研工業株式会社
代理人個人,個人,個人,個人
主分類G06N 20/00 20190101AFI20240926BHJP(計算;計数)
要約【課題】より適切な学習モデルの設定を促す。
【解決手段】少なくとも製品の材料または設計事項を示す複数種類の説明変数を含む説明変数群から前記製品の性能を示す目的変数を推定可能とする複数の学習モデルを有し、前記説明変数群と前記目的変数の目標値とからなるデータセットを含む訓練データを用いて前記複数の学習モデルをそれぞれ学習し、前記学習モデルごとに、前記説明変数群から目的変数の予測値を算出し、前記目的変数の目標値に基づいて前記予測値の予測精度を算出する第1分析と、前記説明変数の前記目的変数に対する寄与度を導出する第2分析と、を実行し、前記学習モデルごとに前記予測精度と前記寄与度を示す学習結果情報を出力する。
【選択図】図1
特許請求の範囲【請求項１】
少なくとも製品の材料または設計事項を示す複数種類の説明変数を含む説明変数群から前記製品の性能を示す目的変数を推定可能とする複数の学習モデルを有し、
前記説明変数群と前記目的変数の目標値とからなるデータセットを含む訓練データを用いて前記複数の学習モデルをそれぞれ学習するモデル学習部と、
前記学習モデルごとに、
前記説明変数群から目的変数の予測値を算出し、前記目的変数の目標値に基づいて前記予測値の予測精度を算出する第１分析と、
前記説明変数の前記目的変数に対する寄与度を導出する第２分析と、を実行する分析部と、
前記学習モデルごとに前記予測精度と前記寄与度を示す学習結果情報を出力する学習結果処理部と、を備える
モデル設定支援装置。
続きを表示（約 990 文字）【請求項２】
前記モデル学習部は、前記目的変数ごとに前記複数の学習モデルを学習し、
前記分析部は、前記目的変数ごとに前記第１分析と前記第２分析を実行し、
前記学習結果処理部は、前記目的変数ごとの前記学習結果情報を出力する
請求項１に記載のモデル設定支援装置。
【請求項３】
入力操作に応じて前記目的変数を予測する学習モデルを選択する学習設定部を備え、
前記モデル学習部は、
選択された学習モデルを学習し、選択されなかった学習モデルを学習しない
請求項２に記載のモデル設定支援装置。
【請求項４】
入力操作に応じて説明変数を選択する学習設定部を備え、
前記モデル学習部は、
前記訓練データのうち選択された説明変数を含め、選択されなかった説明変数を含めずに前記学習モデルを学習する
請求項１に記載のモデル設定支援装置。
【請求項５】
前記学習モデルごとに、より予測精度が高い当該学習モデルを学習するハイパーパラメータを探索する学習設定部を備える
請求項２に記載のモデル設定支援装置。
【請求項６】
前記製品は、電池である
請求項１に記載のモデル設定支援装置。
【請求項７】
コンピュータに
請求項１に記載のモデル設定支援装置として機能させるためのプログラム。
【請求項８】
少なくとも製品の材料または設計事項を示す複数種類の説明変数を含む説明変数群から前記製品の性能を示す目的変数を推定可能とする複数の学習モデルを有するモデル設定支援装置のモデル設定支援方法であって、
前記モデル設定支援装置は、
前記説明変数群と前記目的変数の目標値とからなるデータセットを含む訓練データを用いて前記複数の学習モデルをそれぞれ学習し、
前記学習モデルごとに、
前記説明変数群から目的変数の予測値を算出し、前記目的変数の目標値に基づいて前記予測値の予測精度を算出する第１分析と、
前記説明変数の前記目的変数に対する寄与度を導出する第２分析と、を実行し、
前記学習モデルごとに前記予測精度と前記寄与度を示す学習結果情報を出力する
モデル設定支援方法。

発明の詳細な説明【技術分野】
【０００１】
本願は、モデル設定支援装置、モデル設定支援方法およびプログラムに関する。
続きを表示（約 1,900 文字）【背景技術】
【０００２】
機械学習は、既知の事例に関する訓練データを用いて、その事例の要因と結果との関係を見出すことを指す。機械学習は、コンピュータを用いて要因を示す説明変数と結果を示す目的変数との関係を表す数理モデルを求めるためのデータ処理と捉えることができる。学習済みの数理モデル（「機械学習モデル」、「学習モデル」「モデル」などと、と呼ばれることがある）は、未知の要因から、その結果を予測するために用いられる。
【０００３】
機械学習は、様々な分野、例えば、製品設計に応用されている。製品設計では、部品や材料などの仕様を説明変数とし、その仕様により期待される性能を目的変数として予測するためのモデルが学習される。他方、一般にモデルの種別が異なると、学習されたモデルを用いて予測される予測結果の予測性能が異なりうる。特許文献１には、複数の機械学習アルゴリズムを互いに独立に実行して複数のモデルを取得し、最も予測性能の高いモデルを採用する方法について記載されている。当該方法は、コンピュータに、複数の機械学習アルゴリズムそれぞれを、訓練データを用いて実行し、複数の機械学習アルゴリズムの実行結果に基づいて、複数の機械学習アルゴリズムによって生成される複数のモデルそれぞれの予測性能の増加速度を算出し、増加速度に基づいて、複数の機械学習アルゴリズムの中から一の機械学習モデルを選択し、他の訓練データを用いて一の機械学習アルゴリズムを選択する。
【０００４】
特許文献２には、複数の説明変数と目的変数とから構成される複数のデータセットについて重回帰分析を行う重回帰分析装置について記載されている。当該重回帰分析装置は、複数の説明変数のうち、複数のデータの層別化を行う際のパラメータとして有効な説明変数を、層別説明変数として判定し、層別説明変数を用いて、複数のデータセットを層別に分割し、分割された複数のデータセットのグループそれぞれに対して重回帰分析を行い、重回帰分析の結果が統合された統合重回帰式を取得する。
【先行技術文献】
【特許文献】
【０００５】
特開２０１７－４９６７７号公報
特開２０２０－５７２６１号公報
【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、特許文献１に記載の処理は、予測性能に基づくモデル選択であるため、処理対象とする対象データに対して部品や材料などの知見を考慮して選択されるモデルの妥当性を判定する過程は含まれない。特許文献２に記載の手法は、データセットの分析において予め定めたデータ分析手法である重回帰分析を用いることを前提とし、データ分析手法の妥当性は判定されない。
【０００７】
本願の実施形態は上記の点に鑑みてなされたものであり、より適切なモデルの設定を促すことができるモデル設定支援装置、モデル設定支援方法およびプログラムを提供することを課題とする。
【課題を解決するための手段】
【０００８】
（１）本願は上記の課題を解決するためになされたものであり、本実施形態の一態様は、少なくとも製品の材料または設計事項を示す複数種類の説明変数を含む説明変数群から前記製品の性能を示す目的変数を推定可能とする複数の学習モデルを有し、前記説明変数群と前記目的変数の目標値とからなるデータセットを含む訓練データを用いて前記複数の学習モデルをそれぞれ学習するモデル学習部と、前記学習モデルごとに、前記説明変数群から目的変数の予測値を算出し、前記目的変数の目標値に基づいて前記予測値の予測精度を算出する第１分析と、前記説明変数の前記目的変数に対する寄与度を導出する第２分析と、を実行する分析部と、前記学習モデルごとに前記予測精度と前記寄与度を示す学習結果情報を出力する学習結果処理部とを備えるモデル設定支援装置である。
【０００９】
（２）本実施形態の他の態様は、（１）のモデル設定支援装置であって、前記モデル学習部は、前記目的変数ごとに前記複数の学習モデルを学習し、前記分析部は、前記目的変数ごとに前記第１分析と前記第２分析を実行し、前記学習結果処理部は、前記目的変数ごとの前記学習結果情報を出力してもよい。
【００１０】
（３）本実施形態の他の態様は、（２）のモデル設定支援装置であって、入力操作に応じて前記目的変数を予測する学習モデルを選択する学習設定部を備え、前記モデル学習部は、選択された学習モデルを学習し、選択されなかった学習モデルを学習しなくてもよい。
（【００１１】以降は省略されています）

関連特許