Submit Search
Upload
SAS Viya Deep Dive: 予測モデリング
•
1 like
•
1,074 views
SAS Institute Japan
Follow
SAS Viya Deep Dive: 予測モデリング
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 33
Download now
Download to read offline
Recommended
SAS High-Performance Analyticsによるビッグデータ解析
SAS High-Performance Analyticsによるビッグデータ解析
SAS Institute Japan
SASとHadoopとの連携 2015
SASとHadoopとの連携 2015
SAS Institute Japan
SASによるインメモリ分散並列処理 レコメンドプロシジャ入門
SASによるインメモリ分散並列処理 レコメンドプロシジャ入門
SAS Institute Japan
インフラエンジニアのためのcassandra入門
インフラエンジニアのためのcassandra入門
Akihiro Kuwano
DB Tech showcase Tokyo 2015 Works Applications
DB Tech showcase Tokyo 2015 Works Applications
2t3
SIerのためのCassandraセミナーⅡ NoSQLビジネス新たな鼓動
SIerのためのCassandraセミナーⅡ NoSQLビジネス新たな鼓動
forschooner
Db tech showcase 2016
Db tech showcase 2016
datastaxjp
Oracle advanced analyticsによる機械学習full version
Oracle advanced analyticsによる機械学習full version
幹雄 小川
Recommended
SAS High-Performance Analyticsによるビッグデータ解析
SAS High-Performance Analyticsによるビッグデータ解析
SAS Institute Japan
SASとHadoopとの連携 2015
SASとHadoopとの連携 2015
SAS Institute Japan
SASによるインメモリ分散並列処理 レコメンドプロシジャ入門
SASによるインメモリ分散並列処理 レコメンドプロシジャ入門
SAS Institute Japan
インフラエンジニアのためのcassandra入門
インフラエンジニアのためのcassandra入門
Akihiro Kuwano
DB Tech showcase Tokyo 2015 Works Applications
DB Tech showcase Tokyo 2015 Works Applications
2t3
SIerのためのCassandraセミナーⅡ NoSQLビジネス新たな鼓動
SIerのためのCassandraセミナーⅡ NoSQLビジネス新たな鼓動
forschooner
Db tech showcase 2016
Db tech showcase 2016
datastaxjp
Oracle advanced analyticsによる機械学習full version
Oracle advanced analyticsによる機械学習full version
幹雄 小川
大規模データに対するデータサイエンスの進め方 #CWT2016
大規模データに対するデータサイエンスの進め方 #CWT2016
Cloudera Japan
JAWS DAYS 2022
JAWS DAYS 2022
陽平 山口
[RIT]MLmodeling service
[RIT]MLmodeling service
RIT
経営情報フォーラム2009
経営情報フォーラム2009
guest5ad17cf
経営情報フォーラム2009発表資料
経営情報フォーラム2009発表資料
Keiichi Hashimoto
Oracle Data Minerハンズオンセミナー170927:③Business Analytics概要と事例
Oracle Data Minerハンズオンセミナー170927:③Business Analytics概要と事例
オラクルエンジニア通信
Qlik TechFest C-8 パフォーマンス問題との闘い方
Qlik TechFest C-8 パフォーマンス問題との闘い方
QlikPresalesJapan
[db tech showcase Tokyo 2016] A25: ACIDトランザクションをサポートするエンタープライズ向けNoSQL Databas...
[db tech showcase Tokyo 2016] A25: ACIDトランザクションをサポートするエンタープライズ向けNoSQL Databas...
Insight Technology, Inc.
非開発者のためのアジャイル開発入門
非開発者のためのアジャイル開発入門
Kiro Harada
要求 【クラウドアプリケーションのためのオブジェクト指向分析設計講座 第12回】
要求 【クラウドアプリケーションのためのオブジェクト指向分析設計講座 第12回】
Tomoharu ASAMI
STOVE_website_dl_1.pdf
STOVE_website_dl_1.pdf
STOVEInc1
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
Hideo Takagi
Distributed Cloud Architecture CODT2023
Distributed Cloud Architecture CODT2023
Takehiro Kudou
Oracle Advanced Analytics 概要
Oracle Advanced Analytics 概要
オラクルエンジニア通信
MySQLで学ぶ機械学習ことはじめ.pdf
MySQLで学ぶ機械学習ことはじめ.pdf
Machiko Ikoma
超高速な機械学習を Oracle Database で実現!
超高速な機械学習を Oracle Database で実現!
オラクルエンジニア通信
<インフラ管理者向け>チームでのAI開発を支援するAI開発プラットフォームKAMONOHASHI
<インフラ管理者向け>チームでのAI開発を支援するAI開発プラットフォームKAMONOHASHI
Kamonohashi
組込みSW開発技術研究会キックオフミーティング
組込みSW開発技術研究会キックオフミーティング
静岡大学情報学部 組込みシステムアーキテクト研究所
データ仮想化を活用したデータ分析のフローと分析モデル作成の自動化のご紹介
データ仮想化を活用したデータ分析のフローと分析モデル作成の自動化のご紹介
Denodo
【Azureデータ分析シリーズ】非専門家向け/利用部門主導で始めるデータ分析_ナレッジコミュニケーション公開資料
【Azureデータ分析シリーズ】非専門家向け/利用部門主導で始めるデータ分析_ナレッジコミュニケーション公開資料
Takaya Nakanishi
SAS Japan Blog 記事「統計的因果推論コラム(2)」補足資料
SAS Japan Blog 記事「統計的因果推論コラム(2)」補足資料
SAS Institute Japan
SAS Japan Blog 記事「統計的因果推論コラム(1)」補足資料
SAS Japan Blog 記事「統計的因果推論コラム(1)」補足資料
SAS Institute Japan
More Related Content
Similar to SAS Viya Deep Dive: 予測モデリング
大規模データに対するデータサイエンスの進め方 #CWT2016
大規模データに対するデータサイエンスの進め方 #CWT2016
Cloudera Japan
JAWS DAYS 2022
JAWS DAYS 2022
陽平 山口
[RIT]MLmodeling service
[RIT]MLmodeling service
RIT
経営情報フォーラム2009
経営情報フォーラム2009
guest5ad17cf
経営情報フォーラム2009発表資料
経営情報フォーラム2009発表資料
Keiichi Hashimoto
Oracle Data Minerハンズオンセミナー170927:③Business Analytics概要と事例
Oracle Data Minerハンズオンセミナー170927:③Business Analytics概要と事例
オラクルエンジニア通信
Qlik TechFest C-8 パフォーマンス問題との闘い方
Qlik TechFest C-8 パフォーマンス問題との闘い方
QlikPresalesJapan
[db tech showcase Tokyo 2016] A25: ACIDトランザクションをサポートするエンタープライズ向けNoSQL Databas...
[db tech showcase Tokyo 2016] A25: ACIDトランザクションをサポートするエンタープライズ向けNoSQL Databas...
Insight Technology, Inc.
非開発者のためのアジャイル開発入門
非開発者のためのアジャイル開発入門
Kiro Harada
要求 【クラウドアプリケーションのためのオブジェクト指向分析設計講座 第12回】
要求 【クラウドアプリケーションのためのオブジェクト指向分析設計講座 第12回】
Tomoharu ASAMI
STOVE_website_dl_1.pdf
STOVE_website_dl_1.pdf
STOVEInc1
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
Hideo Takagi
Distributed Cloud Architecture CODT2023
Distributed Cloud Architecture CODT2023
Takehiro Kudou
Oracle Advanced Analytics 概要
Oracle Advanced Analytics 概要
オラクルエンジニア通信
MySQLで学ぶ機械学習ことはじめ.pdf
MySQLで学ぶ機械学習ことはじめ.pdf
Machiko Ikoma
超高速な機械学習を Oracle Database で実現!
超高速な機械学習を Oracle Database で実現!
オラクルエンジニア通信
<インフラ管理者向け>チームでのAI開発を支援するAI開発プラットフォームKAMONOHASHI
<インフラ管理者向け>チームでのAI開発を支援するAI開発プラットフォームKAMONOHASHI
Kamonohashi
組込みSW開発技術研究会キックオフミーティング
組込みSW開発技術研究会キックオフミーティング
静岡大学情報学部 組込みシステムアーキテクト研究所
データ仮想化を活用したデータ分析のフローと分析モデル作成の自動化のご紹介
データ仮想化を活用したデータ分析のフローと分析モデル作成の自動化のご紹介
Denodo
【Azureデータ分析シリーズ】非専門家向け/利用部門主導で始めるデータ分析_ナレッジコミュニケーション公開資料
【Azureデータ分析シリーズ】非専門家向け/利用部門主導で始めるデータ分析_ナレッジコミュニケーション公開資料
Takaya Nakanishi
Similar to SAS Viya Deep Dive: 予測モデリング
(20)
大規模データに対するデータサイエンスの進め方 #CWT2016
大規模データに対するデータサイエンスの進め方 #CWT2016
JAWS DAYS 2022
JAWS DAYS 2022
[RIT]MLmodeling service
[RIT]MLmodeling service
経営情報フォーラム2009
経営情報フォーラム2009
経営情報フォーラム2009発表資料
経営情報フォーラム2009発表資料
Oracle Data Minerハンズオンセミナー170927:③Business Analytics概要と事例
Oracle Data Minerハンズオンセミナー170927:③Business Analytics概要と事例
Qlik TechFest C-8 パフォーマンス問題との闘い方
Qlik TechFest C-8 パフォーマンス問題との闘い方
[db tech showcase Tokyo 2016] A25: ACIDトランザクションをサポートするエンタープライズ向けNoSQL Databas...
[db tech showcase Tokyo 2016] A25: ACIDトランザクションをサポートするエンタープライズ向けNoSQL Databas...
非開発者のためのアジャイル開発入門
非開発者のためのアジャイル開発入門
要求 【クラウドアプリケーションのためのオブジェクト指向分析設計講座 第12回】
要求 【クラウドアプリケーションのためのオブジェクト指向分析設計講座 第12回】
STOVE_website_dl_1.pdf
STOVE_website_dl_1.pdf
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
Distributed Cloud Architecture CODT2023
Distributed Cloud Architecture CODT2023
Oracle Advanced Analytics 概要
Oracle Advanced Analytics 概要
MySQLで学ぶ機械学習ことはじめ.pdf
MySQLで学ぶ機械学習ことはじめ.pdf
超高速な機械学習を Oracle Database で実現!
超高速な機械学習を Oracle Database で実現!
<インフラ管理者向け>チームでのAI開発を支援するAI開発プラットフォームKAMONOHASHI
<インフラ管理者向け>チームでのAI開発を支援するAI開発プラットフォームKAMONOHASHI
組込みSW開発技術研究会キックオフミーティング
組込みSW開発技術研究会キックオフミーティング
データ仮想化を活用したデータ分析のフローと分析モデル作成の自動化のご紹介
データ仮想化を活用したデータ分析のフローと分析モデル作成の自動化のご紹介
【Azureデータ分析シリーズ】非専門家向け/利用部門主導で始めるデータ分析_ナレッジコミュニケーション公開資料
【Azureデータ分析シリーズ】非専門家向け/利用部門主導で始めるデータ分析_ナレッジコミュニケーション公開資料
More from SAS Institute Japan
SAS Japan Blog 記事「統計的因果推論コラム(2)」補足資料
SAS Japan Blog 記事「統計的因果推論コラム(2)」補足資料
SAS Institute Japan
SAS Japan Blog 記事「統計的因果推論コラム(1)」補足資料
SAS Japan Blog 記事「統計的因果推論コラム(1)」補足資料
SAS Institute Japan
SAS Learning Subscription 登録手順
SAS Learning Subscription 登録手順
SAS Institute Japan
ディープラーニングは、時系列予測でも最強なのか?
ディープラーニングは、時系列予測でも最強なのか?
SAS Institute Japan
SAS Viyaのディープラーニングを用いた物体検出
SAS Viyaのディープラーニングを用いた物体検出
SAS Institute Japan
SAS OnDemand for Academics 登録方法
SAS OnDemand for Academics 登録方法
SAS Institute Japan
SAS Visual Analytics 8.3 におけるクロス集計表の作成と可視化
SAS Visual Analytics 8.3 におけるクロス集計表の作成と可視化
SAS Institute Japan
SAS Viyaによる意識改革からみえたData Scientistの生き方 ~僕たちはどう生きるか~
SAS Viyaによる意識改革からみえたData Scientistの生き方 ~僕たちはどう生きるか~
SAS Institute Japan
SAS ViyaのCNNを活用したProcess Innovation ~機械は解析図表をどう見ているのか~
SAS ViyaのCNNを活用したProcess Innovation ~機械は解析図表をどう見ているのか~
SAS Institute Japan
SAS Viya Deep Dive: 自然言語処理&AI
SAS Viya Deep Dive: 自然言語処理&AI
SAS Institute Japan
SAS University Editionにおける日本語を含むファイルの取り扱い
SAS University Editionにおける日本語を含むファイルの取り扱い
SAS Institute Japan
SAS言語派集まれ!SAS StudioからSAS Viyaを使ってみよう!
SAS言語派集まれ!SAS StudioからSAS Viyaを使ってみよう!
SAS Institute Japan
SAS Viya で異常検知してみよう!
SAS Viya で異常検知してみよう!
SAS Institute Japan
Pythonで操るSAS Viyaの画像処理技術入門編
Pythonで操るSAS Viyaの画像処理技術入門編
SAS Institute Japan
Python / R で使うSAS Viya
Python / R で使うSAS Viya
SAS Institute Japan
SAS OnDemand for Academics 登録方法
SAS OnDemand for Academics 登録方法
SAS Institute Japan
無料統計・予測分析ツールを提供:SAS Analytics U
無料統計・予測分析ツールを提供:SAS Analytics U
SAS Institute Japan
SASによるテキスト・アナリティクス入門
SASによるテキスト・アナリティクス入門
SAS Institute Japan
SAS Enterprise Minerを使用した機械学習
SAS Enterprise Minerを使用した機械学習
SAS Institute Japan
SASによる機械学習入門
SASによる機械学習入門
SAS Institute Japan
More from SAS Institute Japan
(20)
SAS Japan Blog 記事「統計的因果推論コラム(2)」補足資料
SAS Japan Blog 記事「統計的因果推論コラム(2)」補足資料
SAS Japan Blog 記事「統計的因果推論コラム(1)」補足資料
SAS Japan Blog 記事「統計的因果推論コラム(1)」補足資料
SAS Learning Subscription 登録手順
SAS Learning Subscription 登録手順
ディープラーニングは、時系列予測でも最強なのか?
ディープラーニングは、時系列予測でも最強なのか?
SAS Viyaのディープラーニングを用いた物体検出
SAS Viyaのディープラーニングを用いた物体検出
SAS OnDemand for Academics 登録方法
SAS OnDemand for Academics 登録方法
SAS Visual Analytics 8.3 におけるクロス集計表の作成と可視化
SAS Visual Analytics 8.3 におけるクロス集計表の作成と可視化
SAS Viyaによる意識改革からみえたData Scientistの生き方 ~僕たちはどう生きるか~
SAS Viyaによる意識改革からみえたData Scientistの生き方 ~僕たちはどう生きるか~
SAS ViyaのCNNを活用したProcess Innovation ~機械は解析図表をどう見ているのか~
SAS ViyaのCNNを活用したProcess Innovation ~機械は解析図表をどう見ているのか~
SAS Viya Deep Dive: 自然言語処理&AI
SAS Viya Deep Dive: 自然言語処理&AI
SAS University Editionにおける日本語を含むファイルの取り扱い
SAS University Editionにおける日本語を含むファイルの取り扱い
SAS言語派集まれ!SAS StudioからSAS Viyaを使ってみよう!
SAS言語派集まれ!SAS StudioからSAS Viyaを使ってみよう!
SAS Viya で異常検知してみよう!
SAS Viya で異常検知してみよう!
Pythonで操るSAS Viyaの画像処理技術入門編
Pythonで操るSAS Viyaの画像処理技術入門編
Python / R で使うSAS Viya
Python / R で使うSAS Viya
SAS OnDemand for Academics 登録方法
SAS OnDemand for Academics 登録方法
無料統計・予測分析ツールを提供:SAS Analytics U
無料統計・予測分析ツールを提供:SAS Analytics U
SASによるテキスト・アナリティクス入門
SASによるテキスト・アナリティクス入門
SAS Enterprise Minerを使用した機械学習
SAS Enterprise Minerを使用した機械学習
SASによる機械学習入門
SASによる機械学習入門
SAS Viya Deep Dive: 予測モデリング
1.
SAS Viya Deep
Dive 予測モデリング SAS Institute Japan 株式会社 諸戸 愼一
2.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. 本日お伝えしたいこと 2 ✓ 深層学習を用いて数値予測もできる ⇒ 深層学習=クラス分類問題と思われがちだが、回帰問題にも適用できる ✓ 深層学習は一般的な線形回帰モデルよりも精度が高い ⇒ 線形回帰モデルに比べ、深層学習は未知のデータに対する予測精度が向上する ✓ 深層学習といえどもインプットデータの重要性は変わらない ⇒ 他の回帰モデルと同様、適切な変数の選択が精度の高いモデル構築には必要不可欠
3.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. Agenda 3 1. SAS Viyaの概要 ➢ SAS Viyaの分析機能 ➢ SAS Viyaの特徴 2. 予測モデリング ➢ 一般的な予測モデリング ➢ 予測モデリングの活用ケース 3. 使用データの内容 4. SAS VDMMLで作る線形回帰モデル ➢ モデルの概要 ➢ モデル精度と予測結果 5. SAS VDMMLで作る深層学習モデル ➢ モデルの構造 ➢ モデル精度と予測結果 6. 線形回帰モデルと深層学習モデルの比較 ➢ モデル精度の比較 ➢ モデル構造の違い 7. 深層学習モデルを利用するメリットとデメリット 8. 深層学習モデルの精度向上 ➢ 深層学習の結果考察 ➢ 精度向上施策①:変数追加 ➢ 精度向上施策②:モデルのチューニング ➢ 施策実施後のモデル精度と予測結果 ➢ 精度向上施策前後の精度比較 9. まとめ
4.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. SAS Viyaの概要 4
5.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. SAS Viyaの概要 アナリティクス・ライフサイクルを実現するための製品群 SAS® Access to Data Sources SAS® Data Preparation SAS® Data Quality SAS® Visual Analytics SAS® Visual Statistics SAS® Visual Data Mining & Machine Learning SAS® Decision Manager SAS® Model Manager SAS® Visual Forecasting SAS® Optimization SAS® Econometrics SAS® Event Stream Processing 5
6.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. SAS Viyaの分析機能 最新かつ高度な機械学習手法を提供 テキスト解析 • 形態素解析 • 特異値分解による次元削減 • トピック抽出(SVD/LDA) • テキスト・サーチ • センチメント分析 画像処理 • 画像読込/保存 • フィルタ処理/画像比較 • 検出とマッチング • 医療用画像解析 データ準備 モデリング デプロイ • ビン化 • カーディナリティ • 欠損値補完 • 変数選択 • 次元削減 • サンプリングと分割 • データ処理 • Dataステップ実行 • 主成分分析 • Moving Window 主成分分析 • ロバスト主成分分析 • クラスター分析 • 変数クラスタリング • マーケットバスケット • テンソル因子分解 • 異常検出サポートベク ターマシン(SVDD) • 自動チューニング機能 • 線形回帰モデル • ロジスティック回帰モデル • ノンパラメトリック回帰 • 一般化線形/加法モデル • 非線形回帰モデル • 分位点回帰モデル • 部分最小二乗法 • ディシジョン・ツリー • ランダムフォレスト • 勾配ブースティング • ニューラルネットワーク • ベイジアンネットワーク • K-最近傍探索 • サポートベクターマシン • ファクタライゼーションマシン • ネットワーク分析 • スコアリングコード 生成 • モデルパフォーマン ス指標 • モデル評価 • リフト・テーブル • ROCチャート 機械学習・ データマイニング 加工・探索 スコアリング 最適化 • 線形/非線形計画法 • 二次計画法 • 混合整数線形計画法 • ネットワークフロー最適化 フォーキャスティング • 時系列分析 • 自動時系列モデリング • 階層間調整 • 時間-周波数分析 計量経済分析 • コピュラ • パネル分析 • 損失分布モデリング ディープラーニング • DNN • CNN (VGG/ResNet) • RNN / LSTM / GRU • 自動チューニング機能 • 転移学習 ※一部抜粋 ※一部別オプションが必要な製品を含む
7.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. SAS Viyaの特徴 オープンなプラットフォーム&API連携 7 APIからの呼び出し ビジュアル・インターフェイス プログラミング・インターフェイス 予測・分析結果の 利用 各アプリケーション からの利用 ソリューション例 API 顧客分析 ! リスク管理 不正検知 機械学習 オープンな 開発環境 オープンな 利用環境 API連携 データ準備 探索・発見予測モデル 機械学習 業務適用 モデル管理 評価 SAS Viyaはオープンな開発環境・利用環境を提供しており、REST APIを通じ各種機能を直接呼び出すことが可能です。例えば外部 アプリケーションと直接連携することで顧客に対しリアルタイムにリコメンドするなど、アナリティクスを取り入れた直接的なアクションの実施も実 現できます。
8.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. 予測モデリング 8
9.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. 予測モデリング 一般的な予測モデリング 9 様々な活動データ、属性データ、環境データを用いて、 売上、販売数、その他ビジネス活動の判断基準として必要な数値を予測するモデルの構築 売上実績 売上予測ロジック = 予測モデル 売上予測 活動データ プロモーション 属性データ 地域 製品 環境データ 天候 日付
10.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. 予測モデリング 予測モデリングの活用ケース 10 【業務内容】 受注予測を行い、物流センターの在庫量の調整を行う。 過去のデータを用いて、受注実績を目的変数とした重回帰モデルを作成し、 その予測モデルを用いて受注予測を行っている。 【要望】 さらなるSCMの効率化に向けて、予測精度の向上を行いたい。 売上実績 プロモーション実績 etc. 予測結果 受注予測
11.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. SAS VDMMLで作る線形回帰モデル 11 ※SAS VDMML: SAS Visual Data Mining & Machine Learningの略 深層学習を含めたデータマイニングと機械学習をサポートしたライセンス https://www.sas.com/ja_jp/software/visual-data-mining-machine-learning.html
12.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. VDMMLで作る線形回帰モデル モデルの概要 ①タスクから線形回帰分析を選択 ②分析に使用するデータセット、目的変数、説明変数を選択 ⇒ 実行ボタンを押すだけ ※条件を選択していく仮定で、SASコードも自動で生成 クリックのみで手軽に線形回帰分析が可能
13.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. VDMMLで作る線形回帰モデル モデル精度と予測結果 13 評価データを当てはめた際の平均平方誤差:81,265,741 0 50,000 100,000 150,000 200,000 250,000 300,000 0 50,000 100,000 150,000 200,000 250,000 300,000 P_actual SCORE 予測値 実績値 学習データ 評価データ
14.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. SAS VDMMLで作る深層学習モデル 14
15.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. VDMMLで作る深層学習モデル モデルの構造 15 入力層 隠れ層 出力層 入力層 レイヤー数 1 隠れ層 レイヤー数 4 ニューロン数 3,000 結合タイプ 全結合 活性化関数 ReLU ドロップアウト 0.3 重みの初期値 エグゼビア 出力層 レイヤー数 1 ニューロン数 1 活性化関数 恒等関数 重みの初期値 エグゼビア ※最適化手法:ADAM
16.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. VDMMLで作る深層学習モデル モデル精度と予測結果 16 評価データを当てはめた際の平均平方誤差:34,009,490 0 50,000 100,000 150,000 200,000 250,000 300,000 0 50,000 100,000 150,000 200,000 250,000 300,000 P_actual SCORE 予測値 実績値 学習データ 評価データ
17.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. 線形回帰モデルと深層学習モデルの比較 17
18.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. 線形回帰モデルと深層学習モデルの比較 モデル精度の比較 18 深層学習を活用することで、平均平方誤差が 58.2% 改善 0 50,000 100,000 150,000 200,000 250,000 300,000 0 50,000 100,000 150,000 200,000 250,000 300,000 P_actual SCORE 予測値 実績値 学習データ 評価データ 0 50,000 100,000 150,000 200,000 250,000 300,000 0 50,000 100,000 150,000 200,000 250,000 300,000 P_actual SCORE 予測値 実績値 学習データ 評価データ 線形回帰モデル 深層学習モデル 平均平方誤差: 81,265,741 平均平方誤差: 34,009,490
19.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. 線形回帰モデルと深層学習モデルの比較 モデル構造の違い 19 𝑦 = 𝛽1 𝑥1 + 𝛽2 𝑥2 + 𝛽3 𝑥3 + ⋯ + 𝜀 𝑦 = 𝑓(⋯ (𝑓(𝑓(𝑥𝑖) ∙ 𝑤 𝑘) ∙ 𝑤𝑙) ⋯ ) ※イメージ ■各変数の最適な係数(β)を見つける分析 ■βを解釈することで、現象を説明できる可能性あり ■複雑な構造が表現可能 ■モデルを解釈することはほぼ不可能 線形回帰モデル DNN 深層学習は関数を重ね合わせたような構造 ⇒ 線形回帰モデルでは表現できない複雑な構造も表現可能になる
20.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. 深層学習モデルを利用するメリットとデメリット 20
21.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. 深層学習モデルを利用するメリットとデメリット メリット 21 複雑な関数で精度の高い予測モデルができる レイヤー数やニューロンの数など、モデルの自由度が高い 過学習を避ける最適化手法で、汎化性能が高いモデルが作成できる
22.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. 深層学習モデルを利用するメリットとデメリット デメリット 22 最適化の計算に時間がかかる 自由度が高い反面、構造設計が難しい モデルの解釈が難しい(ほぼできない)
23.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. 深層学習モデルの精度向上 23
24.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. 深層学習モデルの精度向上 深層学習の結果考察 24 0 5,000 10,000 15,000 20,000 25,000 30,000 0 5,000 10,000 15,000 20,000 25,000 30,000 予測値 実績値 代表商品:A いくつかの商品の受注実績が低い範囲で 予測精度が極端に低下する現象が発生 現状の変数では、受注実績が小さくなる状態を説明できていない ⇒ 受注が低下する要因の情報を含んだ変数を追加する必要がある
25.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. 深層学習モデルの精度向上 精度向上施策①:変数追加 25 精度向上のために、気象データや行事フラグ等を追加して分析 ⇒ 夏休みに売れにくくなる商品や天候によって受注数が変化する商品が見つかった 受注実績 夏休みフラグ 学校の夏休み 代表商品:A
26.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. 深層学習モデルの精度向上 精度向上施策②:モデルのチューニング 26 ニューロン数やレイヤー数の決定後、学習アル ゴリズムのパラメーターをチューニングする。 SAS Viyaに実装されているオートチューニング を活用することで、自動的に最適パラメーター を探索する可能。 ニューロン数 / レイヤー数 学習アルゴリズムのパラメーター 試行錯誤して、データに合わせた最適な値を 探す必要がある。(必ずしもネットワークが大 きければ良いというわけではない。) 実験計画法などを用いて、効率よくパラメー ターの影響度を把握する。
27.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. 深層学習モデルの精度向上 施策実施後のモデル精度と予測結果 27 変数の追加、パラメーターのチューニングを行うことで、精度が向上 0 5,000 10,000 15,000 20,000 25,000 30,000 0 5,000 10,000 15,000 20,000 25,000 30,000 予測値 実績値 代表商品:A 改善前 0 5,000 10,000 15,000 20,000 25,000 30,000 0 5,000 10,000 15,000 20,000 25,000 30,000 予測値 実績値 代表商品:A 改善後
28.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. 深層学習モデルの精度向上 精度向上施策前後の精度比較 28 0 50,000 100,000 150,000 200,000 250,000 300,000 0 50,000 100,000 150,000 200,000 250,000 300,000 P_actual SCORE 予測値 実績値 学習データ 評価データ 深層学習モデル 改善前 平均平方誤差: 34,009,490 0 50,000 100,000 150,000 200,000 250,000 300,000 0 50,000 100,000 150,000 200,000 250,000 300,000 P_actual SCORE 予測値 実績値 平均平方誤差: 31,423,757 精度向上施策実施後、さらに平均平方誤差が 7.6% 改善 深層学習モデル 改善後 学習データ 評価データ
29.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. 0 100 200 300 400 500 600 0 100 200 300 400 500 600 深層学習モデルの精度向上 精度向上施策前後の精度比較 29 度数 予測値/実績値 [%] 深層学習モデル:改善前 度数 深層学習モデル:改善後 予測値/実績値 [%] 【予測精度±10%以内】 46.7% 【予測精度±10%以内】 53.8% 精度向上施策実施後、予測精度±10%以内のデータ数が 7.1ポイント 改善 ※全データ点数を含む ※全データ点数を含む
30.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. まとめ 30
31.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. まとめ 本日お持ち帰りいただきたいこと 31 ✓ 深層学習を用いて数値予測もできる ⇒ 深層学習=クラス分類問題と思われがちだが、回帰問題にも適用できる ✓ 深層学習は一般的な線形回帰モデルよりも精度が高い ⇒ 線形回帰モデルに比べ、深層学習は未知のデータに対する予測精度が向上する ✓ 深層学習といえどもインプットデータの重要性は変わらない ⇒ 他の回帰モデルと同様、適切な変数の選択が精度の高いモデル構築には必要不可欠
32.
Company Confidential –
For Internal Use Only Copyright © SAS Institute Inc. All rights reserved. まとめ 想定される活用領域 32 設備が複雑に関係した施設でのエネルギー需要予測 【想定目的】 施設の稼働状況に応じたエネルギー需要を予測し、ピー ク電力やガスといったリソースの契約最適化を行う 【想定課題】 稼働計画、環境情報等からエネルギー需要のピーク値 を予測する 消耗品等の摩耗量の予測 【想定目的】 消耗品の摩耗量を予測し、該当品の最大活用、および 最適なタイミングでのメンテナンスを行う 【想定課題】 周辺装置、設備、環境等のデータを用いて、該当の消 耗品の寿命を予測する 想定活用ケース②想定活用ケース①
33.
予測モデリング手法のひとつとして、是非、深層学習をご検討ください
Download now