回帰モデルをユーザー自らがつくる時代に

ReNom | RG、DP

ReNom RG

ReNom RG(ReNom regression)とは、数値データに対する回帰モデルを簡単に構築するためのアプリケーションです。ReNom RG はモデル構築に必要なプロセスにおいて、モデル作成、モデルパラメータの調整、モデルの評価を簡略化します。ユーザーは、目的ごとに学習用データセットを用意し ReNom RG にセットするだけで、モデル作成を行うことができます。さらにさまざまなパラメータを与えてモデルを作成し、統一的な評価指標により、それぞれのモデルを比較することができます。このように、ユーザーは一連の作業をアプリケーションで完結させることができるので、モデル構築のための工数を大幅に削減することが可能となります。

 

【ReNomRG GUI】

01 データセット作成
モデル生成に使用するデータセットを準備する際、目的変数と説明変数をチェックボックスから任意に選択することができます。データセット名とデータセットに対する説明事項を入力することができるので、どのデータセットを用いてモデル生成を行ったのか、内容を見直す際に便利です。

02 モデル作成
学習に使用するデータセット、アルゴリズムを選択します。あわせて、各モデルのエポックサイズ、バッチサイズ、近傍の数をパラメータとして選ぶことができます。「Run 」ボタンを押すと学習が始まります。

03 モデルの精度を比較
モデルの精度を評価する平均二乗誤差(RMSE)と絶対誤差(MAE)の二軸で精度確認ができます。学習済みのモデルはすべてこのグラフに表示されるため、精度評価が容易になります。誰でも精度の良いモデルをすぐに選ぶことができます。

04 予測結果を並べて確認可能
学習モデルの予測結果を確認することができます。「Deploy」したモデルのグラフを左に置き、その他のモデルのグラフと並べて比較することができます。

05 アルゴリズムの性能を比較
ReNomRG では GraphCNN の 他 に、Randam-Forest、XGBoost のアルゴリズムを実装しています。データセットに対して、複数のアルゴリズムでモデル構築が可能です。そのため、各アルゴリズムで精度比較をすることができ、ユーザーの課題解決に即した回帰モデルの作成ができます。

06  特徴量の重要度を測る
画面下部の「Features」には、学習で使用したデータセットの目的変数と説明変数、各説明変数の重要度を表示しています。重要度の算出は、各説明変数ごとに変数の値をランダムに並び替えて予測し、その結果値と実値の誤差を算出。そのランダムデータの誤差平均値と、学習完了時の誤差値との差を数値化したものです。

07 オリジナルモデルも登録可能
「CNN Architecture」の「User defined」を選択し、ReNomRG に格納したスクリプトファイルのファイル名を入力すると、GUI でユーザーが定義したモデルを用いたモデル開発が可能です。ユーザー定義モデルのスクリプトには、ReNom のモデルを返す create_model 関数を持つ必要があります。

【GraphCNN】

~非画像データを構造化して CNN で特徴抽出するアルゴリズム~
「特徴グラフを用いた汎用型 CNN 深層学習手法の開発」などの共同研究を行い、2018 年人工知能学会全国大会にて論文として発表し、データ間の距離を利用した非画像デー タに対するCorrelation GraphCNN の応用方法を提案しました。 Correlation GraghCNN とは、非画像データに対して相関を用いて順番に意味を持たせ、畳み込みを可能にする手法です。非画像データの特徴量同士の相関係数から相関行列を生成し、さらに相関係数の強い順に並べたインデックス行列を作成します。インデックス行列は並び替えができないため、要素の順番に非画像データの特徴量に戻すことで順番に意味のある行列を作成できます。

【ReNomRGによる基幹システムと連携した運用イメージ】

【応用分野】

小売店の需要予測
POSデータなどを用いて店舗での需要予測を行うことで、最適な発注処理を実施。在庫管理が容易になる。

製造機器の寿命予測
産業用ロボットなどのログデータを用いて、部品の寿命予測を実施。効率的なサイクルで工具を交換できる。

製造業の出荷予測
過去の発注・生産・調達データから需要予測を行う。最適な発注・生産・調達計画を行い、在庫削減・欠品削減に繋げる。

空調の消費エネルギー予測
空調システムの機器の消費エネルギーを予測する。施設内の空調の運転制御を行い、コストダウンを図る。

 

 

ReNom DP

AI 開発やデータ分析に欠かせない、データそのものの理解を深めるプロセスをサポートする、WEB アプリケーション「ReNom DP」は、「数値データの全体を把握したい」「時系列データのどの部分が重要なデータなのか確認したい」とのユーザーの声から開発されました。データを取り込むだけで、データの概要を速やかに把握することができます。時系列データは、データの欠損部分が一目でわかるため、補間方法を画面で選択し確認しながら、欠損補間できます。重要なデータはどの部分なのか、どこが必要なのか、直感的に把握できるので、データの特徴を掴んだ上で、次の作業工程へとスムーズに進むことができます。

 

【ReNom DPの特長】

可視化
CSV ファイルの各カラムの基礎統計量やデータ欠損割合を一覧で表示します。ヒストグラムも表示されるため分布もすぐ確認できます。

Histogram

 

時系列の確認
「Time Series」では時系列の折れ線グラフとして表示されるので傾向がわかります。時間の幅も簡単に変更できます。

欠損補間
各カラムごとに線形補間、曲線補間、近似値補間ができるため、欠損のないデータを作ることができます。一箇所補間すると同じカラムはすべて同じ補間方法が適用されるため容易に欠損補間が可能です。

∞ReNom」について→https://gridpredict.jp/lprg/
■ReNom DP/ReNom RGの基本理論→ www.renom.jp
Page top