「.NET 開発基盤部会 Wiki」は、「Open棟梁Project」,「OSSコンソーシアム .NET開発基盤部会」によって運営されています。
目次 †
概要 †
主に社会的データを用いて、
- 価値に関する予測に関する問題を対象に考える。
- 価値に関する目的変数と説明変数の間の構造のモデル化と推論
確率推論 †
確率推論（予測・診断・最適化
予測 †
知る †
- 予測：根拠や基準を基にした推量・推定
- 現象が起こる可能性、要因の影響度が計算できる事が重要
- 外れ方（不確実性、誤差）も推定する必要がある。
- 観測と予測
データに基づいて未観測の現象を予測
- 観測：逆問題（観測データから背景のメカニズムを知る、現象のモデル化
- 予測：順問題（モデルを使用して推論（確率モデルが重要な役割を果たす
モデル †
- 現象モデル
- 現象の背後に想定されるモデル。
- 以下の２つに分類される。
・生成モデル：結果データを生成するモデル
・認識モデル：結果を予想するモデル
アルゴリズム †
現象のモデル化と推論の仕組み。
- データから確率モデルを構築する学習アルゴリズム
- 確率モデルを用いた予測を行う推論アルゴリズム
問題と事例 †
- 需要予測
- リスク予測
- 異常検出
- サービス価値の予測
診断 †
判断 †
予測のもとで状態やリスクを判断。
最適化 †
実行 †
予測のもとで現象を特定の目的に近づけるための操作を実行すること。
社会現象、社会データ †
Society 5.0 †
サイバーフィジカルシステム †
- 経済発展と社会的課題解決を両立する
- 人間中心社会、超スマート社会
- デジタル化 -> 計算モデル化 -> 意思決定
- 機械学習＋組織学習
現象学的アプローチ †
データの特性と計算モデル †
データ特性 †
- 異質性、状況依存性
- Webサービス（RDB） -> IoTアプリ（NoSQL）
- 時空間解像度が高い
- 条件付き確率
条件付き確率による購買行動モデルの例
- P（購買｜女性） > P（購買｜男性）
- P（購買｜女性, 週末） > P（購買｜女性, 平日）
- 混合分布、相互作用
- 混合分布：属性の異なる人々
- 非正規性：≠正規分布（代表値の使い分け）
- 非線形相互作用：ベイジアンネットワークで計算
計算モデル †
- 母集団依存性の高い従来型の統計から、
再利用性の高い確率的構造モデルを用いた知識へ。
- 予測モデル：ある変数を説明するルール
- 確率的知識：変数群の依存関係の条件付き確率
- 計算モデル：因果的構造のネットワーク
学習と推論 †
社会データ向けのAI技術
不確実性は低いが高次元の大量データ †
深層学習（教師あり学習
不確実性が高く混合分布となっている場合 †
どう言う場合に、どう言う現象が起きるか？
- 場合
確率的なクラスタリング（確率的潜在意味解析（PLSA））
- 現象
属性カテゴリからある顧客クラスタと商品クラスタ（食材）の
組み合わせ時の現象（商品の用途）をクラス毎に分類して分析する。
変数間の相互作用・依存関係がある場合 †
ベイジアンネットワーク
- PLSAのクラス毎にベイジアンネットワークの一部を拡大して分析するなど。
- 外れ方の構造をベイジアンネットワークのモデルにするなど。
![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
