[發明專利]機器學習裝置以及機器學習方法

在審

• 申請號: 202010146838.7
• 申請日: 2020-03-05
• 公開（公告）號: CN111660517A
• 公開（公告）日: 2020-09-15
• 發明（設計）人: 大久保勇佐;蓮池正晴
• 申請（專利權）人: 株式會社捷太格特
• 主分類號: B29C45/76
• 分類號: B29C45/76
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王瑋;蘇琳琳

1.一種機器學習裝置，其特征在于，具備：

稀疏建模處理部，使用相互不同的稀疏建模方法，將在工業活動中使用的學習模型中的特定的目標變量和多個說明變量候選作為所述稀疏建模方法的輸入數據，針對所述多個說明變量候選的每一個，分別獲取作為用于說明所述特定的目標變量的說明變量的個別重要度；以及

選擇部，基于所述說明變量候選各自的多個所述個別重要度來計算所述說明變量候選各自的綜合重要度，基于所述綜合重要度從所述多個說明變量候選中選擇所述學習模型的說明變量。

2.根據權利要求1所述的機器學習裝置，其特征在于，

所述機器學習裝置還具備調整部，該調整部針對所述個別重要度，進行與所述稀疏建模方法對應的調整，計算調整完畢個別重要度，

所述選擇部基于多個所述調整完畢個別重要度來計算所述綜合重要度。

3.根據權利要求2所述的機器學習裝置，其特征在于，

所述個別重要度是由所述稀疏建模方法導出的值，并且是表示所述特定的目標變量與所述多個說明變量候選的每一個的關系的強弱的貢獻度，

所述調整部提取所述貢獻度在規定的閾值以上的所述說明變量候選，計算已提取的所述說明變量候選的所述調整完畢個別重要度。

4.根據權利要求2所述的機器學習裝置，其特征在于，

所述調整部提取所述個別重要度高的規定數量的所述說明變量候選，計算已提取的所述說明變量候選的所述調整完畢個別重要度。

5.根據權利要求2～4中任一項所述的機器學習裝置，其特征在于，

所述調整部計算與所述個別重要度對應的分數來作為所述調整完畢個別重要度，

所述選擇部基于所述分數來計算所述綜合重要度。

6.根據權利要求5所述的機器學習裝置，其特征在于，

所述調整部計算根據所述個別重要度而等差級數地賦予的所述分數來作為所述調整完畢個別重要度。

7.根據權利要求5所述的機器學習裝置，其特征在于，

所述調整部計算根據所述個別重要度而等比級數地賦予的所述分數來作為所述調整完畢個別重要度。

8.根據權利要求2～7中任一項所述的機器學習裝置，其特征在于，

所述選擇部基于每個所述說明變量候選的所述調整完畢個別重要度的和、乘積以及平均值中的至少一個來計算所述綜合重要度。

9.根據權利要求1～8中任一項所述的機器學習裝置，其特征在于，

所述選擇部選擇所述綜合重要度在規定的閾值以上的所述說明變量候選來作為所述說明變量。

10.根據權利要求1～8中任一項所述的機器學習裝置，其特征在于，

所述選擇部選擇所述綜合重要度高的規定數量的所述說明變量候選來作為所述說明變量。

11.根據權利要求1～10中任一項所述的機器學習裝置，其特征在于，

所述機器學習裝置還具備學習模型生成部，該學習模型生成部通過機器學習來生成所述學習模型，其中，該機器學習把被所述選擇部選擇出的所述說明變量候選作為學習數據。

12.根據權利要求1～11中任一項所述的機器學習裝置，其特征在于，

所述機器學習裝置還具備：

學習模型存儲部，存儲由機器學習生成的所述學習模型，其中，該機器學習把被所述選擇部選擇出的所述說明變量作為學習數據；以及

預測部，基于所述說明變量以及所述學習模型，來進行規定的預測。