PREDICTION SYSTEM, MODEL GENERATION SYSTEM, METHOD, AND PROGRAM

• Main Authors: TAMANO Hiroshi, TANIGUCHI Atsushi
• Format: Patent
• Language: English; French; Japanese
• Published: 03.10.2019
• Subjects: HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATIONTECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING ORPROCESSING OF MEDICAL OR HEALTHCARE DATA; INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTEDFOR SPECIFIC APPLICATION FIELDS; PHYSICS

A model generation device 60 of the present invention is provided with: a regularization parameter candidate setting means 61 which outputs a regularization parameter search set for which a plurality of solution candidates are set, the solution candidates having a plurality of mutually different values of at least a regularization parameter that affects the term of a strong regularization variable that is one or a plurality of variables specifically determined among explanatory variables; a model learning means which learns a prediction model corresponding to each of the plurality of solution candidates; an accuracy evaluation means 62 which evaluates prediction accuracy of each prediction model that has been learned; a transition evaluation means 63 which, with respect to each prediction model that has been learned, evaluates a defective sample number that is the number of samples in which graph shape or the transition is not valid; and a model determination means 64 which, on the basis of the result of evaluation concerning prediction accuracy and the result of evaluation concerning graph shape or the defective sample number, determines a prediction model to be used for progress prediction. L'invention concerne un dispositif de génération de modèle (60) comprenant : un moyen de réglage de candidat de paramètre de régularisation (61) qui délivre en sortie un ensemble de recherche de paramètre de régularisation pour lequel une pluralité de candidats de solution sont définis, les candidats de solution ayant une pluralité de valeurs mutuellement différentes d'au moins un paramètre de régularisation qui affecte le terme d'une variable de régularisation forte qui est une ou une pluralité de variables spécifiquement déterminées parmi des variables explicatives ; un moyen d'apprentissage de modèle qui apprend un modèle de prédiction correspondant à chacun de la pluralité de candidats de solution ; un moyen d'évaluation de précision (62) qui évalue la précision de prédiction de chaque modèle de prédiction qui a été appris ; un moyen d'évaluation de transition (63) qui, par rapport à chaque modèle de prédiction qui a été appris, évalue un nombre d'échantillons défectueux qui est le nombre d'échantillons dans lesquels la forme de graphe ou la transition n'est pas valide ; et un moyen de détermination de modèle (64) qui, sur la base du résultat d'évaluation concernant la précision de prédiction et du résultat d'évaluation concernant la forme du graphe ou le nombre d'échantillons défectueux, détermine un modèle de prédiction à utiliser pour la prédiction de progression. 本発明のモデル生成装置６０は、説明変数のうち特に定められた１または複数の変数である強正則化変数の項に影響を与える正則化パラメータの値が少なくとも互いに異なる複数の解候補が設定された正則化パラメータの探索集合を出力する正則化パラメータ候補設定手段６１と、複数の解候補のそれぞれに対応した予測モデルを学習するモデル学習手段と、学習済みの予測モデルの各々の予測精度を評価する精度評価手段６２と、学習済みの予測モデルの各々について、グラフ形状または該推移が妥当でないサンプルの数である不良サンプル数を評価する推移評価手段６３と、予測精度に関する評価結果と、グラフ形状または不良サンプル数に関する評価結果とに基づいて、経過予測に用いる予測モデルを決定するモデル決定手段６４とを備える。