特許ウォッチ

公開番号2024134117
公報種別公開特許公報(A)
公開日2024-10-03
出願番号2023044233
出願日2023-03-20
発明の名称学習装置、学習方法、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】複数種の製品の性能予測を行う機械学習モデルの生成および検証を適切に行うこと。
【解決手段】学習装置は、製品の材料または設計事項を示す説明変数と製品の性能を示す目的変数との組である複数のデータセットを含む製品データを所定の分類ごとに分類して学習元データを生成する分類部と、学習元データを、訓練データと、検証データとに分配する分配部と、訓練データに基づいて、機械学習モデルを生成するモデル学習部と、検証データに含まれる目的変数と、検証データの説明変数に基づいて機械学習モデルにより予測された目的変数とを比較する検証部とを備える。分配部は、学習元データにおける分類ごとのデータセットの割合と、訓練データにおける分類ごとのデータセットの割合および検証データにおける分類ごとのデータセットの割合とが対応するように、学習元データを分配する。
【選択図】図1
特許請求の範囲【請求項１】
製品の材料または設計事項を示す説明変数と前記製品の性能を示す目的変数との組である複数のデータセットを含む製品データを所定の分類ごとに分類して学習元データを生成する分類部と、
前記学習元データを、訓練データと、検証データとに分配する分配部と、
前記訓練データに基づいて、機械学習モデルを生成するモデル学習部と、
前記検証データに含まれる目的変数と、前記検証データの説明変数に基づいて前記機械学習モデルにより予測された目的変数とを比較する検証部と、
を備え、
前記分配部は、前記学習元データにおける前記分類ごとのデータセットの割合と、前記訓練データにおける前記分類ごとのデータセットの割合および前記検証データにおける前記分類ごとのデータセットの割合とが対応するように、前記学習元データを分配する、
学習装置。
続きを表示（約 910 文字）【請求項２】
前記検証部は、前記検証データに含まれる全てのデータセットに対する第１の検証と、前記検証データにおける前記分類ごとのデータセットに対する第２の検証との双方を行う、
請求項１に記載の学習装置。
【請求項３】
前記検証部は、前記第１の検証と、前記第２の検証とを、互いに異なる指標値を用いて行う、
請求項２に記載の学習装置。
【請求項４】
前記分配部は、前記学習元データにおける前記分類ごとのデータセットの割合と、前記訓練データにおける前記分類ごとのデータセットの割合および前記検証データにおける前記分類ごとのデータセットの割合とが等しくなるように、前記学習元データを分配する、
請求項１に記載の学習装置。
【請求項５】
前記分配部は、前記学習元データにおける前記分類ごとのデータセットを、前記訓練データと、前記検証データとに所定の割合で分配する、
請求項１に記載の学習装置。
【請求項６】
前記分類部は、前記製品データを、前記製品の用途に応じて定められた分類ごとに分類する、
請求項１から５のいずれか一項に記載の学習装置。
【請求項７】
前記分類部は、前記製品データを、前記製品の形状に応じて定められた分類ごとに分類する、
請求項１から５のいずれか一項に記載の学習装置。
【請求項８】
前記分類部は、前記製品データを、前記製品の製造方法に応じて定められた分類ごとに分類する、
請求項１から５のいずれか一項に記載の学習装置。
【請求項９】
前記検証部は、前記検証データに含まれる目的変数と、前記機械学習モデルにより予測された目的変数とを用いて、複数種の指標値を算出する、
請求項１から５のいずれか一項に記載の学習装置。
【請求項１０】
前記第１の検証の検証結果と、前記第２の検証の検証結果とを表示部に表示させる表示制御部をさらに備える、
請求項２または３に記載の学習装置。
（【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】
本願は、学習装置、学習方法、およびプログラムに関する。
続きを表示（約 1,700 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。特許文献１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。
【先行技術文献】
【特許文献】
【０００４】
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】
【０００５】
機械学習モデルの精度は、学習時に使用される訓練データの種類や量に依存する。特に、機械学習モデルが複数の異なる製品種の設計のために使用される場合、訓練データに対象の製品種のデータが網羅的に含まれているかが重要となる。さらに、学習後の機械学習モデルの予測精度を検証するために検証データが用いられるが、この検証データにも対象の製品種のデータが網羅的に含まれていなければ、正確な検証を行うことができない。また、複数の異なる製品種に跨った観点での予測精度に加え、製品種の個別の予測精度についても検証を行う必要がある。
【０００６】
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、複数種の製品の性能予測を行う機械学習モデルの生成および検証を適切に行うことができる学習装置、学習方法、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】
【０００７】
この発明に係る学習装置、学習方法、およびプログラムは、以下の構成を採用した。
（１）この発明の一態様の学習装置は、製品の材料または設計事項を示す説明変数と前記製品の性能を示す目的変数との組である複数のデータセットを含む製品データを所定の分類ごとに分類して学習元データを生成する分類部と、前記学習元データを、訓練データと、検証データとに分配する分配部と、前記訓練データに基づいて、機械学習モデルを生成するモデル学習部と、前記検証データに含まれる目的変数と、前記検証データの説明変数に基づいて前記機械学習モデルにより予測された目的変数とを比較する検証部と、を備え、前記分配部は、前記学習元データにおける前記分類ごとのデータセットの割合と、前記訓練データにおける前記分類ごとのデータセットの割合および前記検証データにおける前記分類ごとのデータセットの割合とが対応するように、前記学習元データを分配するものである。
【０００８】
（２）の態様は、上記（１）の態様に係る学習装置において、前記検証部は、前記検証データに含まれる全てのデータセットに対する第１の検証と、前記検証データにおける前記分類ごとのデータセットに対する第２の検証との双方を行うものである。
【０００９】
（３）の態様は、上記（２）の態様に係る学習装置において、前記検証部は、前記第１の検証と、前記第２の検証とを、互いに異なる指標値を用いて行うものである。
【００１０】
（４）の態様は、上記（１）の態様に係る学習装置において、前記分配部は、前記学習元データにおける前記分類ごとのデータセットの割合と、前記訓練データにおける前記分類ごとのデータセットの割合および前記検証データにおける前記分類ごとのデータセットの割合とが等しくなるように、前記学習元データを分配するものである。
（【００１１】以降は省略されています）

関連特許