特許ウォッチ

公開番号2025006254
公報種別公開特許公報(A)
公開日2025-01-17
出願番号2023106926
出願日2023-06-29
発明の名称プログラムおよび情報処理装置
出願人国立大学法人筑波大学
代理人個人,個人,個人,個人,個人
主分類G06F 17/18 20060101AFI20250109BHJP(計算;計数)
要約【課題】最終結果に有意に影響する要因の全体像を高精度に特定・推定する。
【解決手段】コンピュータに、解ランダムサンプリングアルゴリズムを用いて最適解の近似解を複数列挙する解列挙ステップと、前記最適解の近似解に対応するそれぞれの説明変数について排他的に非ゼロ係数値を持つ最適解の近似解を選択し、前記非ゼロ係数値を持つ最適解の近似解の集合において計算される係数ベクトルにおける、それぞれの前記説明変数の平均値を最終的な係数推定値として出力する出力ステップと、を実行させるためのプログラムである。
【選択図】図27
特許請求の範囲【請求項１】
コンピュータに、
解ランダムサンプリングアルゴリズムを用いて最適解の近似解を複数列挙する解列挙ステップと、
前記最適解の近似解に対応するそれぞれの説明変数について排他的に非ゼロ係数値を持つ最適解の近似解を選択し、前記非ゼロ係数値を持つ最適解の近似解の集合において計算される係数ベクトルにおける、それぞれの前記説明変数の平均値を最終的な係数推定値として出力する出力ステップと、
を実行させるためのプログラム。
続きを表示（約 1,200 文字）【請求項２】
前記解列挙ステップにおいて列挙された前記最適解の近似解に対応するそれぞれの前記説明変数に対して非ゼロな係数推定値の絶対値平均に対して所定の閾値を設定することで重要な説明変数の候補を検出する候補検出ステップ
をさらに実行させる請求項１に記載のプログラム。
【請求項３】
前記解列挙ステップにおいて列挙された前記最適解の近似解に対応するそれぞれの前記説明変数間の相関の逆数を指標としたクラスタリングを実行し、それぞれの前記説明変数の相関グループを推定する相関グループ推定ステップ
をさらに実行させる請求項２に記載のプログラム。
【請求項４】
前記解列挙ステップに先立ち、
相関クラスタリングにより前記説明変数の相関グループを推定する相関グループ推定ステップと、
前記説明変数の相関グループの構造をGroup Lasso のグループ情報として用いてGroup Lassoを実行するGroup Lasso実行ステップと、
前記Group Lassoの実行結果から目的変数に影響を及ぼす説明変数群をあらかじめ抽出するスクリーニングステップと、
をさらに実行させる請求項１から請求項３のいずれか一項に記載のプログラム。
【請求項５】
前記最適解の近似解は、Lasso緩和解、Elastic Net緩和解、Ridge回帰緩和解、その他のL1ノルム正則化項またはL2ノルム正則化項を用いた回帰手法、あるいは、重回帰分析、の緩和解のうちのいずれかである
請求項１から請求項３のいずれか一項に記載のプログラム。
【請求項６】
前記解ランダムサンプリングアルゴリズムに対する入力データセットの説明変数は、ｐ次元であり、目的変数はｎ個である
請求項１から請求項３のいずれか一項に記載のプログラム。
【請求項７】
前記説明変数は、量的変数または２値化された変数を含む
請求項６に記載のプログラム。
【請求項８】
前記目的変数は、品質、状態に関する特性値である
請求項６に記載のプログラム。
【請求項９】
前記重要な説明変数の候補の集合、重要な説明変数の候補が属する相関グループ、前記重要な説明変数の候補以外の説明変数の係数推定値または前記重要な説明変数の候補の係数推定値のいずれか一つを出力データセットとする
請求項３に記載のプログラム。
【請求項１０】
前記相関グループからゼロを含む任意の数の説明変数を選択するステップと、
選択された前記説明変数から推定モデルを導出するステップと、
前記推定モデルと前記説明変数を用いて目的変数を推定するステップと、
をさらに実行させる請求項３に記載のプログラム。
（【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、プログラムおよび情報処理装置に関する。
続きを表示（約 2,900 文字）【背景技術】
【０００２】
工業分野や商業分野の実データに基づいて、製造された物の最終品質や、購買行動などに有意に影響する「要因の全体像」を高精度に特定・推定するためのデータ駆動のモデル構築・活用の機構が求められている。従来、要因を求める手法として、例えば特許文献１のような提案がなされている。
【先行技術文献】
【特許文献】
【０００３】
特表２０１８－５０４７７２号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
ここで、要因特定を困難にする技術的困難性は、主に、高次元、高相関、交互作用、系列バイアス、数値変数とカテゴリ変数の混合、および、少数サンプルやサンプルの欠損などがある。しかしながら、従来技術においては、これらの技術的困難性を十分に解決できないという課題があった。
【０００５】
本発明は、上記課題を解決すべくなされたもので、その目的は、工業分野や商業分野の実データに基づいて、製造された物の最終品質や、購買行動などの最終結果に有意に影響する「要因の全体像」を高精度に特定・推定することができるプログラムおよび情報処理装置を提供することにある。
【課題を解決するための手段】
【０００６】
本発明の一実施形態は、コンピュータに、解ランダムサンプリングアルゴリズムを用いて最適解の近似解を複数列挙する解列挙ステップと、前記最適解の近似解に対応するそれぞれの説明変数について排他的に非ゼロ係数値を持つ最適解の近似解を選択し、前記非ゼロ係数値を持つ最適解の近似解の集合において計算される係数ベクトルにおける、それぞれの前記説明変数の平均値を最終的な係数推定値として出力する出力ステップと、を実行させるためのプログラムである。
【０００７】
また、本発明の一実施形態は、プロセッサと、記憶部を備える情報処理装置であって、前記プロセッサが、上述のプログラムを実行する情報処理装置である。
【発明の効果】
【０００８】
この発明によれば、購買行動などの最終結果に有意に影響する「要因の全体像」を高精度に特定・推定することができるプログラムおよび情報処理装置を提供することができる。
【図面の簡単な説明】
【０００９】
L2ノルム正則化の最適解のイメージの一例を示す図である。
L1ノルム正則化の最適解のイメージの一例を示す図である。
変数間の相関ネットワークの一例を示す図である。
Lasso、Elastic Net、CHANOLの挙動の比較の一例を示す図である。
代表的な階層型クラスタリング手法の一例を示す図である。
基礎検証データセット１の相関を示すヒートマップである。
基礎検証データセット２の相関を示すヒートマップである。
基礎検証データセット３の相関を示すヒートマップである。
基礎検証データセット４の相関を示すヒートマップである。
第１のLasso緩和度におけるCHANOLの解の散布図の一例を示す図である。
第２のLasso緩和度におけるCHANOLの解の散布図の一例を示す図である。
第３のLasso緩和度におけるCHANOLの解の散布図の一例を示す図である。
第４のLasso緩和度におけるCHANOLの解の散布図の一例を示す図である。
第５のLasso緩和度におけるCHANOLの解の散布図の一例を示す図である。
第６のLasso緩和度におけるCHANOLの解の散布図の一例を示す図である。
第１のLasso緩和度におけるCHANOLの解の散布図の一例を示す図である。
第２のLasso緩和度におけるCHANOLの解の散布図の一例を示す図である。
第３のLasso緩和度におけるCHANOLの解の散布図の一例を示す図である。
第４のLasso緩和度におけるCHANOLの解の散布図の一例を示す図である。
第５のLasso緩和度におけるCHANOLの解の散布図の一例を示す図である。
第６のLasso緩和度におけるCHANOLの解の散布図の一例を示す図である。
Lassoの推定値の散布図の第１例を示す図である。
Lassoの推定値の散布図の第２例を示す図である。
Lassoの推定値の散布図の第３例を示す図である。
Lassoの推定値の散布図の第４例を示す図である。
CHANOLの推定値の散布図の第１例を示す図である。
CHANOLの推定値の散布図の第２例を示す図である。
CHANOLの推定値の散布図の第３例を示す図である。
CHANOLの推定値の散布図の第４例を示す図である。
半導体製造工場での実データの概要の一例を示す図である。
半導体製造工場でのシミュレーションデータの一例を示す図である。
相関段階別の、変数インデックスと偏回帰係数の一例を示す図である。
各変数と評価指標の対応の一例を示す図である。
ρ=0.1の場合のCHANOLの係数推定精度を示す図である。
ρ=0.1の場合のSEHC-Lassoの係数推定精度を示す図である。
ρ=0.5の場合のCHANOLの推定結果を示す図である。
ρ=0.5の場合のSEHC-Lassoの係数推定精度を示す図である。
ρ=1.0の場合のCHANOLの推定結果を示す図である。
ρ=1.0の場合のSEHC-Lassoの係数推定精度を示す図である。
CHANOLと提案手法（SEHC-Lasso）の変数検出数のまとめを示す図である。
本実施形態のSEHC-Lassoの出力形態の一例を示す図である。
代表変数と相関変数を合わせたCoef-errorの推移を示す図である。
処理時間を示す図である。
検出変数の数を示す図である。
Recallを示す図である。
SEHC-Lassoの推定結果の一例を示す図である。
ScSEHC-Lassoの推定結果の一例を示す図である。
SEHC-LassoとScSEHC-Lassoの処理時間と変数検出数を示す図である。
代表変数と相関変数を合わせたCoef-errorを示す図である。
処理時間を示す図である。
変数検出数を示す図である。
代表変数と相関変数を合わせたRecallを示す図である。
本実施形態の情報処理システムの構成の一例を示す図である。
本実施形態のSEHC-Lassoの出力形態の変形例を示す図である。
【発明を実施するための形態】
【００１０】
以下、図面を参照しつつ、本発明の実施形態を説明する。
（【００１１】以降は省略されています）

関連特許