2008 Fiscal Year Annual Research Report
大規模履歴データからの因果確率モデル構築のための時間発展類型の抽出
| Project/Area Number |
19500232
|
|---|
| Research Institution | Gunma University |
|---|
Principal Investigator |
関 庸一 Gunma University, 大学院・工学研究科, 教授 (90196949)
|
|---|
| Keywords | データマイニング / 統計数学 / 自己組織化 / 機械学習 / アルゴリズム / 回帰モデル / 介護保険サービス評価 / モデル選択基準 |
|---|
| Research Abstract |
本研究は、多量の個人履歴データの中からのデータマイニングの方法論の一つとして、履歴の時間発展の類型を構成する方法を提案することを目的としている。具体的には、時点ごとの個体類型を見出した上で、個人が時間とともに異なる個体類型へ遷移してゆくようすを類型化することを目標としている。この際、データ解析の利用目的に有用な類型を構築するため、利用目的が注目する現象に関する確率的予測モデルを考え、共通の因果確率モデルが適用できる時間発展を同一視する類型化を目指す。これにより個人履歴群をグループ化し、注目する現象に関して同一の因果モデルを適用可能なクラスターを構成する。多様な個人をこのようなクラスターに分割することで、それぞれのクラスターに対し予測精度の良い因果モデルが構築できることが期待される。
以上を実現するにあたり、3年間の研究の第2年度である本年度は、次の2点について研究を行った。
(1)介護保険サービス利用履歴データ、クレジットカード利用履歴データ、Web入札履歴データなどを対象とした分析事例を作成し,履歴データの分析方法について検討を進めた。その中で、原変量の性格を考慮した基準化と類似度の定義を検討し、時点ごとの個人類型を抽出する方法としてSOM(自己組織化マップ)を利用した個人類型の分析結果を得た。
(2)個体の時間発展の表現モデルとして、SOMマップ上の遷移確率を推定し、マルコフ連鎖として将来の所在ノードを予測するモデルを考案し、クレジットカード利用履歴データに対し推定事例を与えた。
|
Research Products
(4 results)
