JP5071475B2 - 重回帰分析による予測モデルの作成方法、作成装置、作成プログラム - Google Patents
重回帰分析による予測モデルの作成方法、作成装置、作成プログラム Download PDFInfo
- Publication number
- JP5071475B2 JP5071475B2 JP2009508760A JP2009508760A JP5071475B2 JP 5071475 B2 JP5071475 B2 JP 5071475B2 JP 2009508760 A JP2009508760 A JP 2009508760A JP 2009508760 A JP2009508760 A JP 2009508760A JP 5071475 B2 JP5071475 B2 JP 5071475B2
- Authority
- JP
- Japan
- Prior art keywords
- multiple regression
- value
- sample set
- sample
- regression analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000611 regression analysis Methods 0.000 title claims description 111
- 238000000034 method Methods 0.000 title claims description 73
- 230000006870 function Effects 0.000 claims description 39
- 238000004458 analytical method Methods 0.000 claims description 28
- 150000001875 compounds Chemical class 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 11
- 231100000419 toxicity Toxicity 0.000 claims description 9
- 230000001988 toxicity Effects 0.000 claims description 9
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 claims 2
- 230000008569 process Effects 0.000 description 21
- 238000007405 data analysis Methods 0.000 description 14
- 238000011160 research Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 238000000605 extraction Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000033228 biological regulation Effects 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 125000004429 atom Chemical group 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 231100000636 lethal dose Toxicity 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 2
- 231100000693 bioaccumulation Toxicity 0.000 description 2
- 125000001246 bromo group Chemical group Br* 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 125000004432 carbon atom Chemical group C* 0.000 description 2
- 239000000460 chlorine Substances 0.000 description 2
- 229910052801 chlorine Inorganic materials 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 230000012010 growth Effects 0.000 description 2
- 125000004430 oxygen atom Chemical group O* 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 238000005556 structure-activity relationship Methods 0.000 description 2
- 230000035502 ADME Effects 0.000 description 1
- 241000195493 Cryptophyta Species 0.000 description 1
- KWHWFTSHDPJOTG-UHFFFAOYSA-N Deazaflavin Chemical class C1=CC=C2C=C(C(=O)NC(=O)N3)C3=NC2=C1 KWHWFTSHDPJOTG-UHFFFAOYSA-N 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- PXGOKWXKJXAPGV-UHFFFAOYSA-N Fluorine Chemical compound FF PXGOKWXKJXAPGV-UHFFFAOYSA-N 0.000 description 1
- AUNGANRZJHBGPY-SCRDCRAPSA-N Riboflavin Chemical compound OC[C@@H](O)[C@@H](O)[C@@H](O)CN1C=2C=C(C)C(C)=CC=2N=C2C1=NC(=O)NC2=O AUNGANRZJHBGPY-SCRDCRAPSA-N 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 230000000259 anti-tumor effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 231100000584 environmental toxicity Toxicity 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 239000011737 fluorine Substances 0.000 description 1
- 125000001153 fluoro group Chemical group F* 0.000 description 1
- 229930182480 glucuronide Natural products 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 125000004433 nitrogen atom Chemical group N* 0.000 description 1
- 230000000144 pharmacologic effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000009257 reactivity Effects 0.000 description 1
- 231100000191 repeated dose toxicity Toxicity 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 125000004434 sulfur atom Chemical group 0.000 description 1
- 230000009182 swimming Effects 0.000 description 1
- 231100000167 toxic agent Toxicity 0.000 description 1
- 239000003440 toxic substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
式(1)において、Yは各サンプルの目的変数の計算値を示し、x1、x2・・・xnは説明変数の値を、a1、a2・・・anは係数を、Cは定数をそれぞれ示している。各サンプルについて、説明変数の値を式(1)に入力することによって、各サンプルの目的変数Yの値が算出される。式(1)に基づいて算出した目的変数Yの値が、サンプルの実測値と一致した場合、サンプル○は図1の回帰線Y上に乗る。したがって、サンプルが回帰線Yの周りに密集して分布すればするほど、その回帰式は良好(信頼性の高い)な回帰式であると判断される。重回帰式の信頼性は、相関係数Rによって決定される。相関係数Rが1の場合、サンプルは回帰線上に載る。図1では、相関係数Rが0.7の場合を示している。
4 インナー領域
5 アウター領域
6 重回帰線
200 予測モデル作成装置
210 入力装置
220 出力装置
300 記憶装置
400 解析部
本発明の実施形態を説明する前に、まず、本発明の原理について説明する。
以下に、本発明の一実施形態について説明する。
ここで、a1、a2・・・anは各パラメータx1、x2・・・xnに対する係数であり、C0は定数である。各サンプルについての目的変数の計算値は、式(2)に図7に示す各サンプルのパラメータ値を代入することによって求められる。このようにして算出した各サンプルの目的変数の値を、実測値に対してプロットすることにより、図1に示すようなサンプルの計算値と実測値の相関を示す図が得られる。
図17は、本発明の一実施形態に係る予測モデル作成装置のシステム構成を示すブロック図である。なお、この装置は、作成され保存された予測モデルを使用して、目的変数が未知のサンプルについて、予測値を算出する機能も供えている。本実施形態の予測モデル作成装置200は、サンプルデータを入力する入力装置210、予測モデルあるいは処理途中でユーザが必要とするデータを出力する出力装置220を備えている。入力装置210から、重回帰分析による予測モデル作成に必要なサンプル情報が記憶装置300の入力データテーブル310に入力される。入力装置210は、同様に初期パラメータセットのデータを初期パラメータセットテーブル320に入力する。なお、解析部400が入力されたサンプルについて初期パラメータを自動的に発生するためのエンジン410を有している場合は、初期パラメータセットデータを入力装置210から入力する必要はない。
2)バイオ関連研究
3)蛋白質関連研究
4)医療関連研究
5)食品関連研究
6)経済関連研究
7)工学関連研究
8)生産歩留まり向上等を目的としたデータ解析
9)環境関連研究
1)の化学データ解析分野では、より詳細には、下記のような研究に適用できる。
(1)構造−活性/ADME/毒性/物性相関の研究
(2)構造−スペクトル相関研究
(3)メタボノミクス関連研究
(4)ケモメトリクス研究
Claims (8)
- コンピュータによる重回帰分析に基づいた予測モデルの作成方法であって、
a)目的変数の実測値が既知のサンプルによって初期サンプルセットを準備し、
b)前記初期サンプルセットを重回帰分析して、前記目的変数の計算値を獲得し、
c)前記実測値と前記計算値との差が第1の値以下であるサンプルを取り出したサブサンプルセットを重回帰分析して、相関係数または決定係数を算出し、
d)前記相関係数または決定係数が第2の値を超えるまで、前記第1の値を変更してステップc)を繰り返し、
e)ステップd)の終了時の前記サブサンプルセットを第1のサブサンプルセットとし、残りのサンプルを第2のサブサンプルセットとして2クラス分類を行い、クラス分類のための判別関数を算出し、
f)ステップd)の終了時の前記重回帰分析における重回帰式とステップe)における判別関数とを予測モデルとして設定し、
g)前記第2のサブサンプルセットを前記初期サンプルセットに設定して、ステップb)からステップf)を繰り返して実行することにより複数の前記予測モデルを獲得する、各ステップを含む、コンピュータによる重回帰分析に基づいた予測モデルの作成方法。 - 請求項1に記載の方法において、
ステップg)は、サブサンプルセットに含まれるサンプルの数と重回帰分析に使用するパラメータ数との比が一定値以下となったとき、前記繰り返しを停止することを特徴とする、コンピュータによる重回帰分析に基づいた予測モデルの作成方法。 - 請求項1に記載の方法において、
ステップg)は、前記繰り返しの回数が予め定めた回数に達したとき、前記繰り返しを停止することを特徴とする、コンピュータによる重回帰分析に基づいた予測モデルの作成方法。 - 請求項1に記載の方法において、
ステップd)における前記決定係数についての前記第2の値は、決定係数が1であるときを100とした場合に、80以上であることを特徴とする、コンピュータによる重回帰分析に基づいた予測モデルの作成方法。 - a)目的変数の実測値が既知のサンプルによって初期サンプルセットを準備し、
b)前記初期サンプルセットを重回帰分析して、前記目的変数の計算値を獲得し、
c)前記実測値と前記計算値との差が第1の値以下であるサンプルを取り出したサブサンプルセットを重回帰分析して、相関係数または決定係数を算出し、
d)前記相関係数または決定係数が第2の値を超えるまで、前記第1の値を変更してステップc)を繰り返し、
e)ステップd)の終了時の前記サブサンプルセットを第1のサブサンプルセットとし、残りのサンプルを第2のサブサンプルセットとして2クラス分類を行い、クラス分類のための判別関数を算出し、
f)ステップd)の終了時の前記重回帰分析における重回帰式とステップe)における判別関数とを予測モデルとして設定し、
g)前記第2のサブサンプルセットを前記初期サンプルセットに設定して、ステップb)からステップf)を繰り返して実行することにより複数の前記予測モデルを獲得する、各ステップをコンピュータに実行させる、重回帰分析に基づいた予測モデルの作成プログラム。 - コンピュータによる重回帰分析に基づいた化合物の毒性予測モデルの作成方法であって、
a)化合物の任意の毒性を目的変数とし、当該目的変数の実測値が既知の化合物によって初期サンプルセットを準備し、
b)前記初期サンプルセットを重回帰分析して、前記目的変数の計算値を獲得し、
c)前記実測値と前記計算値との差が第1の値以下である化合物を取り出したサブサンプルセットを重回帰分析して、相関係数または決定係数を算出し、
d)前記相関係数または決定係数が第2の値を超えるまで、前記第1の値を変更してステップc)を繰り返し、
e)ステップd)の終了時の前記サブサンプルセットを第1のサブサンプルセットとし、残りのサンプルを第2のサブサンプルセットとして2クラス分類を行い、クラス分類のための判別関数を算出し、
f)ステップd)の終了時の前記重回帰分析における重回帰式とステップe)における判別関数とを予測モデルとして設定し、
g)前記第2のサブサンプルセットを前記初期サンプルセットに設定して、ステップb)からステップf)を繰り返して実行することにより複数の前記予測モデルを獲得する、コンピュータによる重回帰分析に基づいた化合物の毒性予測モデルの作成方法。 - 目的変数の実測値が既知のサンプルによって初期サンプルセットを準備する第1の手段と、
前記初期サンプルセットを重回帰分析して、前記目的変数の計算値を獲得する第2の手段と、
前記実測値と前記計算値との差が第1の値以下であるサンプルを取り出したサブサンプルセットを重回帰分析して、相関係数または決定係数を算出する第3の手段と、
前記相関係数または決定係数が第2の値を超えるまで、前記第1の値を変更して前記第3の手段の処理を続行させる第4の手段と、
前記第4の手段の処理終了時の前記サブサンプルセットを第1のサブサンプルセットとし、残りのサンプルを第2のサブサンプルセットとして2クラス分類を行い、クラス分類のための判別関数を算出する第5の手段と、
前記第4の手段の処理終了時の前記重回帰分析における重回帰式と前記第5の手段によって算出された判別関数とを予測モデルとして設定する第6の手段と、
前記第2のサブサンプルセットを前記初期サンプルセットに設定して、前記第2、第3、第4、第5および第6の手段による処理を繰り返して実行させる第7の手段と、を備える、重回帰分析に基づいた予測モデルの作成装置。 - コンピュータによって目的変数が未知のサンプルの目的変数を予測するための方法であって、
重回帰式と2クラス分類の判別関数とをセットとする予測モデルを複数個用意する第1のステップであって、前記複数の予測モデルのセットは、
a)目的変数の実測値が既知のサンプルによって初期サンプルセットを準備し、
b)前記初期サンプルセットを重回帰分析して、前記目的変数の計算値を獲得し、
c)前記実測値と前記計算値との差が第1の値以下であるサンプルを取り出したサブサンプルセットを重回帰分析して、相関係数または決定係数を算出し、
d)前記相関係数または決定係数が第2の値を超えるまで、前記第1の値を変更してステップc)を繰り返し、
e)ステップd)の終了時の前記サブサンプルセットを第1のサブサンプルセットとし、残りのサンプルを第2のサブサンプルセットとして2クラス分類を行い、クラス分類のための判別関数を算出し、
f)ステップd)の終了時の前記重回帰分析における重回帰式とステップe)における判別関数とを予測モデルとして設定し、
g)前記第2のサブサンプルセットを前記初期サンプルセットに設定して、ステップb)からステップf)を繰り返して複数の前記予測モデルを獲得する、各ステップを実行することによって生成される、前記第1のステップと、
目的変数が未知のサンプルに対して、当該サンプルが前記第1のサブサンプルセットに属すると判定されるまで、前記複数の予測モデルにおける判別関数を、形成された順序にしたがって順次適用する第2のステップと、
前記第2のステップにおいて、前記未知サンプルが前記第1のサブサンプルセットに属すると判定されると、当該判定に使用した判別関数と同じ予測モデルのセットに属する重回帰式を、前記未知サンプルに適用して目的変数を算出する第3のステップと、を備える、目的変数の値が未知のサンプルについて目的変数を予測するための方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2007/056478 WO2008126209A1 (ja) | 2007-03-27 | 2007-03-27 | 重回帰分析による予測モデルの作成方法、作成装置、作成プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2008126209A1 JPWO2008126209A1 (ja) | 2010-07-22 |
JP5071475B2 true JP5071475B2 (ja) | 2012-11-14 |
Family
ID=39863392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009508760A Expired - Fee Related JP5071475B2 (ja) | 2007-03-27 | 2007-03-27 | 重回帰分析による予測モデルの作成方法、作成装置、作成プログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US8255342B2 (ja) |
JP (1) | JP5071475B2 (ja) |
KR (1) | KR101109913B1 (ja) |
WO (1) | WO2008126209A1 (ja) |
Families Citing this family (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011163017A (ja) * | 2010-02-10 | 2011-08-25 | Kajima Corp | トンネル健全度判定装置、トンネル健全度判定セット、トンネル健全度判定方法 |
US8571830B2 (en) * | 2010-06-28 | 2013-10-29 | General Electric Company | Method and system for detection of collector flashover |
JP5699713B2 (ja) * | 2011-03-17 | 2015-04-15 | 富士通株式会社 | データ解析プログラム、データ解析方法、およびデータ解析装置 |
US9069725B2 (en) | 2011-08-19 | 2015-06-30 | Hartford Steam Boiler Inspection & Insurance Company | Dynamic outlier bias reduction system and method |
US10557840B2 (en) | 2011-08-19 | 2020-02-11 | Hartford Steam Boiler Inspection And Insurance Company | System and method for performing industrial processes across facilities |
US20130166337A1 (en) * | 2011-12-26 | 2013-06-27 | John MacGregor | Analyzing visual representation of data |
CA2843276A1 (en) * | 2013-02-20 | 2014-08-20 | Hartford Steam Boiler Inspection And Insurance Company | Dynamic outlier bias reduction system and method |
KR20230030044A (ko) | 2014-04-11 | 2023-03-03 | 하트포드 스팀 보일러 인스펙션 앤드 인슈어런스 컴퍼니 | 시스템 조작 및 수행 데이터 모델링에 기초한 미래 신뢰도 예측 개선 |
CN107194795A (zh) | 2016-03-15 | 2017-09-22 | 腾讯科技(深圳)有限公司 | 信用分数模型训练方法、信用分数计算方法及装置 |
JP6782923B2 (ja) * | 2016-05-31 | 2020-11-11 | 株式会社イチカワ | 測定装置の作動方法 |
WO2019190401A1 (en) * | 2018-03-28 | 2019-10-03 | Agency For Science, Technology And Research | Method and system for predicting a port-stay duration of a vessel at a port |
CN109299826A (zh) * | 2018-09-28 | 2019-02-01 | 上海中信信息发展股份有限公司 | 一种进馆档案数量预测方法、装置、电子设备及存储介质 |
US11636292B2 (en) | 2018-09-28 | 2023-04-25 | Hartford Steam Boiler Inspection And Insurance Company | Dynamic outlier bias reduction system and method |
JP7056497B2 (ja) * | 2018-10-03 | 2022-04-19 | トヨタ自動車株式会社 | 重回帰分析装置及び重回帰分析方法 |
CN111307798B (zh) * | 2018-12-11 | 2023-03-17 | 成都智叟智能科技有限公司 | 采用多种采集技术的物品查验方法 |
KR102242937B1 (ko) * | 2019-01-08 | 2021-04-21 | 에스케이텔레콤 주식회사 | 회귀 분석 장치 및 회귀 분석 장치를 생성하는 방법 |
CN110096737B (zh) * | 2019-03-21 | 2023-04-07 | 国网内蒙古东部电力有限公司电力科学研究院 | 绝缘子寿命预测方法、装置、计算机装置及存储介质 |
CN110276493A (zh) * | 2019-06-25 | 2019-09-24 | 北京月新时代科技股份有限公司 | 一种油井检泵周期预测方法、装置及存储介质 |
CN112183802A (zh) * | 2019-07-02 | 2021-01-05 | 北京林业大学 | 中国28种乔木树种相对生长预测预报方法 |
CN112444376A (zh) * | 2019-08-30 | 2021-03-05 | 致伸科技股份有限公司 | 激光功率校准方法及*** |
US11615348B2 (en) | 2019-09-18 | 2023-03-28 | Hartford Steam Boiler Inspection And Insurance Company | Computer-based systems, computing components and computing objects configured to implement dynamic outlier bias reduction in machine learning models |
US11328177B2 (en) | 2019-09-18 | 2022-05-10 | Hartford Steam Boiler Inspection And Insurance Company | Computer-based systems, computing components and computing objects configured to implement dynamic outlier bias reduction in machine learning models |
EP4022532A1 (en) | 2019-09-18 | 2022-07-06 | Hartford Steam Boiler Inspection and Insurance Company | Computer-based systems, computing components and computing objects configured to implement dynamic outlier bias reduction in machine learning models |
CN111177218B (zh) * | 2019-12-25 | 2022-08-30 | 深圳市东深电子股份有限公司 | 一种基于大数据分析的大坝安全分析方法 |
CN111178756B (zh) * | 2019-12-29 | 2024-02-27 | 杭州拓深科技有限公司 | 一种基于环境大数据的多元线性回归火灾风险评估方法 |
JP7214672B2 (ja) * | 2020-03-13 | 2023-01-30 | 株式会社東芝 | 情報処理装置、情報処理方法及びコンピュータプログラム |
CN111461304B (zh) * | 2020-03-31 | 2023-09-15 | 北京小米松果电子有限公司 | 分类神经网络的训练方法、文本分类方法、装置及设备 |
CN112001104B (zh) * | 2020-08-12 | 2023-09-12 | 郑州大学 | 一种埋地管道服役性能评估方法、计算机可读介质和设备 |
CN112837178A (zh) * | 2021-01-13 | 2021-05-25 | 国家电网有限公司客户服务中心 | 一种电力客户用电数据的分析方法 |
US11269627B1 (en) | 2021-01-29 | 2022-03-08 | Coupa Software Incorporated | System and method of resource management and performance prediction of computing resources |
CN113035287B (zh) * | 2021-03-09 | 2022-11-04 | 清华大学 | 一种蒸汽热裂解过程的预测方法 |
CN113191037B (zh) * | 2021-03-23 | 2023-03-10 | 深圳市信维通信股份有限公司 | 一种基于形位公差的插损预测方法及终端 |
CN113298874B (zh) * | 2021-07-26 | 2021-11-02 | 广东工业大学 | 基于无人机巡检的输电线路安全距离风险评估方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004086897A (ja) * | 2002-08-06 | 2004-03-18 | Fuji Electric Holdings Co Ltd | モデル構築方法およびモデル構築システム |
JP2004157814A (ja) * | 2002-11-07 | 2004-06-03 | Fuji Electric Holdings Co Ltd | 決定木生成方法およびモデル構造生成装置 |
JP2006330988A (ja) * | 2005-05-25 | 2006-12-07 | Toshiba Corp | データ分割装置、データ分割方法およびプログラム |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001282279A (ja) * | 2000-03-31 | 2001-10-12 | Canon Inc | 音声情報処理方法及び装置及び記憶媒体 |
WO2008059624A1 (fr) * | 2006-11-13 | 2008-05-22 | Fujitsu Limited | Procédé, programme et dispositif de réalisation d'un modèle de classification/prévision à deux classes |
-
2007
- 2007-03-27 JP JP2009508760A patent/JP5071475B2/ja not_active Expired - Fee Related
- 2007-03-27 KR KR1020097013447A patent/KR101109913B1/ko active IP Right Grant
- 2007-03-27 WO PCT/JP2007/056478 patent/WO2008126209A1/ja active Application Filing
-
2009
- 2009-09-16 US US12/585,512 patent/US8255342B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004086897A (ja) * | 2002-08-06 | 2004-03-18 | Fuji Electric Holdings Co Ltd | モデル構築方法およびモデル構築システム |
JP2004157814A (ja) * | 2002-11-07 | 2004-06-03 | Fuji Electric Holdings Co Ltd | 決定木生成方法およびモデル構造生成装置 |
JP2006330988A (ja) * | 2005-05-25 | 2006-12-07 | Toshiba Corp | データ分割装置、データ分割方法およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
KR20090087485A (ko) | 2009-08-17 |
US8255342B2 (en) | 2012-08-28 |
KR101109913B1 (ko) | 2012-03-13 |
WO2008126209A1 (ja) | 2008-10-23 |
US20100070441A1 (en) | 2010-03-18 |
JPWO2008126209A1 (ja) | 2010-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5071475B2 (ja) | 重回帰分析による予測モデルの作成方法、作成装置、作成プログラム | |
JP5293739B2 (ja) | 重回帰分析による予測モデルの作成方法、作成システムおよび作成プログラム | |
JP6686056B2 (ja) | コンピュータ実装方法、コンピュータシステム及びコンピュータ装置 | |
US11216741B2 (en) | Analysis apparatus, analysis method, and non-transitory computer readable medium | |
JP4739447B2 (ja) | 不良要因の分析表示方法および不良要因の分析表示装置 | |
US11880192B2 (en) | Method for analyzing effects of operator actions in industrial plants | |
JP2010211684A (ja) | データ処理方法、データ処理プログラム、データ処理装置 | |
WO2010029627A1 (ja) | 重回帰分析による予測モデルの作成方法、作成プログラム、作成装置 | |
JP2008128690A (ja) | 打切り試験における打切り時間および試験中止基準見積もり方法・装置 | |
US9773090B2 (en) | Method computer program and system to analyze mass spectra | |
JP4253024B2 (ja) | 波形パターンデータから製品の良品・不良品の検査のための特徴を抽出する方法及びプログラム | |
JP2010044605A (ja) | 鋼板製造実績データベース検索装置,鋼板製造実績データベース検索プログラム | |
KR101964454B1 (ko) | 데이터에 내재된 문제점 제거를 통한 데이터 정제 장치 및 방법 | |
JP6641096B2 (ja) | パラメータ演算装置及びプログラム | |
JP2019191634A (ja) | データ分析方法、データ分析プログラムおよびデータ分析システム | |
Shacham et al. | A General Procedure for Linear and Quadratic Regression Model Identification | |
JP2004227279A (ja) | マハラノビス距離を利用した異常原因診断方法及びプログラム | |
Alagic | Test pattern extraction for semiconductor wafer test data | |
JP2016192024A (ja) | 時系列データ処理方法、時系列データ処理プログラム、および、時系列データ処理装置 | |
Yelten | A heuristic sensitivity analysis technique for high-dimensional systems | |
석은실 | A Review of Sequential Changepoint Detection in Quality Control and Dynamical Systems | |
JP2009289083A (ja) | テストデータ作成システム及びテストデータ作成方法 | |
JP2016095163A (ja) | データ解析方法およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120515 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120618 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20120724 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20120806 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5071475 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150831 Year of fee payment: 3 |
|
LAPS | Cancellation because of no payment of annual fees |