预测方法、预测装置以及计算机可读记录介质制造方法及图纸

提供了一种存储有预测程序的计算机可读记录介质、预测方法以及预测装置。根据实施方式的预测程序使得计算机能够执行接收处理、生成处理以及确定处理。接收处理接收要被预测的输入数据。基于多条规则信息、根据针对多个属性的预定顺序条件生成树结构数据，每条规则信息由所述多个属性的属性值的组合与标签的关联性指示，所述树结构数据通过对所述多条规则信息进行聚合而获得，所述树结构数据包括作为分支的属性值。确定处理在当基于输入数据将树结构数据中的多个属性中的预定属性的属性值确定为预定值时，基于获得作为关于预定属性的预定值的确定结果的、预定标签的值的可能性，确定使关于预定属性的预定值的确定结果到达预定标签的贡献度。

【技术实现步骤摘要】
预测方法、预测装置以及计算机可读记录介质
本文讨论的实施方式涉及预测程序、预测方法以及预测装置。
技术介绍
作为用于离散数据的非线性分类的技术，存在以下技术：对用于使用监督训练数据对数据进行分类的分类规则(即决策树)执行机器学习，并且使用所学习的决策树来预测输入数据的分类结果。非专利文献1：L.Breiman，MachineLearning，第45卷，第5至32页(2001)。预测输入数据的目的之一是使用分类规则来指定(预测)最佳动作(例如，如何控制制造处理中的下一处理、随后针对客户需要执行什么动作以进行营销等)。然而，可能生成多个用于预测的分类规则。出于该原因，以上描述的相关技术的问题在于：在对最佳动作进行预测时，基于多个分类规则中的每一个分类规则的动作的全部被(轮流地)尝试，并且增加了处理成本。因此，本专利技术的实施方式的一方面的目的是提供可以有效地执行输入数据的预测的预测程序、预测方法和预测装置。
技术实现思路
根据实施方式的一方面，一种计算机可读记录介质，其中存储有使计算机执行处理的预测程序，本文档来自技高网...

【技术保护点】
1.一种计算机可读记录介质，其中存储有使计算机执行处理的预测程序，所述处理包括：/n接收要被预测的输入数据；/n基于多条规则信息、根据针对多个属性的预定顺序条件生成树结构数据，所述多条规则信息中的每条规则信息由所述多个属性的属性值的组合与标签的关联性指示，所述树结构数据通过对所述多条规则信息进行聚合而获得，所述树结构数据包括作为分支的属性值；以及/n当基于所述输入数据将所述树结构数据中的所述多个属性中的预定属性的属性值确定为预定值时，基于获得作为关于所述预定属性的预定值的确定结果的、预定标签的值的可能性，确定使关于所述预定属性的预定值的确定结果到达所述预定标签的贡献度。/n

【技术特征摘要】
20190705 JP 2019-1262091.一种计算机可读记录介质，其中存储有使计算机执行处理的预测程序，所述处理包括：
接收要被预测的输入数据；
基于多条规则信息、根据针对多个属性的预定顺序条件生成树结构数据，所述多条规则信息中的每条规则信息由所述多个属性的属性值的组合与标签的关联性指示，所述树结构数据通过对所述多条规则信息进行聚合而获得，所述树结构数据包括作为分支的属性值；以及
当基于所述输入数据将所述树结构数据中的所述多个属性中的预定属性的属性值确定为预定值时，基于获得作为关于所述预定属性的预定值的确定结果的、预定标签的值的可能性，确定使关于所述预定属性的预定值的确定结果到达所述预定标签的贡献度。


2.根据权利要求1所述的计算机可读记录介质，其中，所述确定处理通过将包括在所述输入数据中的已知属性值应用于所述树结构数据来执行剪枝，并且然后针对所述多个属性中的属性值未知的属性，确定使在属性的未知属性值被确定为预定值时的确定结果到达被包括在所述输入数据中的标签的贡献度。


3.根据权利要求1或2所述的计算机可读记录介质，其中，所述确定处理将使在所述预定属性的属性值被确定为第一值时的确定结果到达所述预定标签的贡献度与使在所述预定属性的属性值被确定为第二值时的确定结果到达所述预定标签的贡献度进行比较，以确定所述预定属性是所述第一值还是所述第二值。


4.一种预测方法，其使计算机执行以下处理：
接收要被预测的输入数据；
基于多条规则信息、根据针对多个属性的预定顺序条件生成树结构数据，所述多条规则信息中的每条规则信息由所述多个属性的属性值的组合与标签的关联性指示，所述树结构数据通过对所述多条规则信息进行聚合而获得，所述树结构数据包括作为分支的属性值；以及
当基于所述输入数据将所述树结构数据中的所述多个属性中的预定属性的属性值确定为预定值时，基于获得作为关于所述预定属性的预定值的确定结果的、预定标签的值的可能性，确...

【专利技术属性】
技术研发人员：高木拓也，岩下洋哲，后藤启介，大堀耕太郎，
申请(专利权)人：富士通株式会社，
类型：发明
国别省市：日本;JP