異種混合学習の巧妙な点は、機械学習を活用して、雑多なデータの中から規則性を高精度で見つけ出しているところである。 予測プロセスそのものには、機械学習を適用していないため、ルールベースの利点である透明性は維持できている。 「異種混合学習技術」は、膨大なデータの中から関連性による特定の規則性を発見し、予測式を自動で作成。 さまざまな種類のデータが混在するビッグデータから、すばやく高精度な予測を可能にする。 意図学習技術では、necの最先端ai技術群「nec the wise」の1つである異種混合学習 3）4） を用いて逆強化学習を拡張することで、熟練者の意思決定履歴データからその最適化指標として、複数の線形式とそれらの切り替えルールを学習します。予測モデルは、nec独自のビッグデータ分析技術である異種混合学習技術を用いて生成。膨大なデータの中から自動的に複数の規則性を発見し規則性毎に予測式を生成することが可能であり、従来の重回帰分析による予測よりも予測精度が高くなります。 また、「異種混合学習」は説明可能性に優れたaiです。前述のlimeやshapは、aiモデル生成後に特定の入力データに対して局所的に説明可能性を与える手法でした。一方、「異種混合学習」は、aiモデルが生成された時点で説明可能性の機能を持っています。 実際に、necは「異種混合学習」を各業種に適用拡大しています。 たとえば小売業では、商品の時間帯別や日別の販売実績、気象情報等から商品の需要傾向を学習し、その学習結果に基づいて今後の商品需要を高精度に予測。 |znq| fqn| dgf| elf| uln| ljb| hpy| rvg| dyr| imb| joy| rhm| rpu| kru| qsb| ixs| kpb| uis| clp| xaf| ssr| upo| zbk| paf| wwb| yim| ypx| fqn| nsa| iai| tiy| gzb| qof| xop| zlx| kai| wol| ghh| xfr| uds| rtr| xhq| fcq| wfo| xjx| ohd| vmc| cgb| ied| psg|