WIPO logo
Mobile | Deutsch | Español | Français | 日本語 | 한국어 | Português | Русский | 中文 | العربية |
PATENTSCOPE

Search International and National Patent Collections
World Intellectual Property Organization
Search
 
Browse
 
Translate
 
Options
 
News
 
Login
 
Help
 
Machine translation
1. (WO2010029627) METHOD OF CREATING ESTIMATION MODEL BY MEANS OF MULTIPLE REGRESSION ANALYSIS, CREATION PROGRAM AND CREATION APPARATUS
Latest bibliographic data on file with the International Bureau   

Pub. No.:    WO/2010/029627    International Application No.:    PCT/JP2008/066435
Publication Date: 18.03.2010 International Filing Date: 11.09.2008
IPC:
G06N 5/04 (2006.01), G06N 3/00 (2006.01), G06Q 10/00 (2012.01)
Applicants: FUJITSU LIMITED [JP/JP]; 1-1, Kamikodanaka 4-chome, Nakahara-ku, Kawasaki-shi, Kanagawa 2118588 (JP) (For All Designated States Except US).
YUTA, Kohtarou [JP/JP]; (JP) (For US Only)
Inventors: YUTA, Kohtarou; (JP)
Agent: AOKI, Atsushi; SEIWA PATENT & LAW, Toranomon, 37 Mori Bldg., 5-1, Toranomon, 3-chome, Minato-ku, Tokyo 1058423 (JP)
Priority Data:
Title (EN) METHOD OF CREATING ESTIMATION MODEL BY MEANS OF MULTIPLE REGRESSION ANALYSIS, CREATION PROGRAM AND CREATION APPARATUS
(FR) PROCÉDÉ DE CRÉATION D'UN MODÈLE D'ESTIMATION AU MOYEN D'UNE ANALYSE DE RÉGRESSION MULTIPLE, PROGRAMME DE CRÉATION ET APPAREIL DE CRÉATION
(JA) 重回帰分析による予測モデルの作成方法、作成プログラム、作成装置
Abstract: front page image
(EN)An estimation model capable of highly accurately estimating an objective variable of a sample whose actual measurement is unknown by means of multiple regression analysis for objectives variable which are numerically continuous numbers. To create an estimation model based on the multiple regression analysis, an initial sample set is structured of learning samples whose actual measurement of the objective variable is known. The initial sample set is multiple-regression-analyzed to obtain an initial multiple regression equation. A residual value of each learning sample is calculated based on the initial multiple regression equation. Each learning sample is divided into a plurality of groups based on the residual value. An appropriate group multiple regression equation is determined for each group. The determined group multiple regression equation is set as an estimation model of the sample whose objective variable is unknown.
(FR)L'invention porte sur un modèle d'estimation capable d'estimer de façon hautement précise une variable objective d'un échantillon, dont une mesure réelle est inconnue, au moyen d'une analyse de régression multiple pour des variables objectives qui sont des nombres numériquement continus. Pour créer un modèle d'estimation sur la base de l'analyse de régression multiple, un ensemble d'échantillons initial est structuré d'échantillons d'apprentissage dont une mesure réelle de la variable objective est connue. L'ensemble d'échantillons initial est analysé par régression multiple pour obtenir une équation de régression multiple initiale. Une valeur résiduelle de chaque échantillon d'apprentissage est calculée sur la base de l'équation de régression multiple initiale. Chaque échantillon d'apprentissage est divisé en une pluralité de groupes sur la base de la valeur résiduelle. Une équation de régression multiple de groupe appropriée est déterminée pour chaque groupe. L'équation de régression multiple de groupe déterminée est définie en tant que modèle d'estimation de l'échantillon dont la variable objective est inconnue.
(JA) 目的変数が数値的に連続数である目的変数について、重回帰分析により、実測値が未知のサンプルの目的変数を高い精度で予測することが可能な予測モデルを提供する。  重回帰分析に基づいた予測モデルを作成するために、目的変数の実測値が既知の学習サンプルによって初期サンプルセットを構築し、前記初期サンプルセットを重回帰分析して初期重回帰式を獲得し、前記初期重回帰式に基づいて各学習サンプルの残差値を計算し、前記残差値に基づいて前記各学習サンプルを複数のグループに分割し、前記各グループについてそれぞれ適切なグループ重回帰式を決定し、決定したグループ重回帰式を前記目的変数が未知のサンプルの予測モデルとして設定する。
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BR, BW, BY, BZ, CA, CH, CN, CO, CR, CU, CZ, DE, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IS, JP, KE, KG, KM, KN, KP, KR, KZ, LA, LC, LK, LR, LS, LT, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PG, PH, PL, PT, RO, RS, RU, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW.
African Regional Intellectual Property Organization (BW, GH, GM, KE, LS, MW, MZ, NA, SD, SL, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Organization (AM, AZ, BY, KG, KZ, MD, RU, TJ, TM)
European Patent Office (AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MT, NL, NO, PL, PT, RO, SE, SI, SK, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, ML, MR, NE, SN, TD, TG).
Publication Language: Japanese (JA)
Filing Language: Japanese (JA)