Development of statistical models for knowledge acquisition from large-scale data including multiform samples

开发从包括多种样本在内的大规模数据中获取知识的统计模型

• 批准号: 13680507
• 负责人: SEKI Yoichi
• 金额: $ 1.98万
• 依托单位: Gunma University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2001
• 资助国家: 日本
• 起止时间: 2001 至 2003
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-13680507/
• 关键词: data mining; tree regression analysis; nonparametric regression; minimum description length; nearest neighborhood; POS data with customer ID; SOM; Nearest Neighbor; 交互作用効果; POSデータ

As theoretical viewpoints, we proposed the following models and developed the prototype programs of these methods with the statistical language S.(1)We proposed a recursive partitioning linear model, which can be transformed to ordinal linear models, based on tree regression model with linear terms (Seki & Tsutsui 98).(2)We proposed a process monitoring chart to monitor the parts whether irregular deterioration occurred, supposing that the deterioration characteristic can be continuously monitored by development of sensor technology.(3)We proposed a method to estimate a Nearest Neighbor type non-parametric regression model, by optimizing the weight of the weighted Euclidian distance, in order to take into consideration the levels of explanation variables effect.(4)We proposed a method which stratifies sample set by discriminating the class in which the relation between the response variable and explanation variables are similar, in the case where two explanation variable sets are given : one can be used for stratification of sample set, and another can be used for regression of response variable.(5)We proposed a non-parametric, test using Minimum Description length criterion for comparing dose levels. In order to verify proposed methodology about POS (Point Of Sales) data with customer ID, we participate in the data analysis competition sponsored by the Operations Research Society of Japan etc., and obtained the following results.2001 a food supermarket's data, competition championship2002 a department store's data, Sectional-meeting fighting spirit award2003 3 department stores' data, Sectional-meeting superior prize

作为理论观点，我们提出了以下模型，并使用统计语言S开发了这些方法的原型程序。(1)We基于带有线性项的树回归模型（Seki & Tsutsui 98），提出了一种递归分割线性模型，它可以转化为有序线性模型。(2)We提出了一种过程监控图来监控零件是否发生不规则的劣化，假设通过传感器技术的发展可以连续监控劣化特性。(3)We提出了一种估计最近邻型非参数回归模型的方法，通过优化加权欧氏距离的权重，以考虑解释变量水平的影响。(4)We提出了一种在给定两个解释变量集的情况下，通过判别响应变量与解释变量关系相似的类来对样本集进行分层的方法，其中一个解释变量集可用于样本集的分层，另一个解释变量集可用于响应变量的回归。(5)We提出了一个非参数，测试使用最小描述长度标准比较剂量水平。为了验证所提出的关于POS（销售点）数据与客户ID的方法，我们参加了由日本运筹学会等主办的数据分析比赛，2001年一家食品超市的数据，2002年一家百货公司的数据，2003年3家百货公司的数据，2004年一家食品超市的数据，2002年一家百货公司的数据，2003年一家百货公司的数据，2004年一家食品超市的数据，2003年一家百货公司的数据，2004年一家食品超市的数据，2002年一家百货公司的数据，2003年一家百货公司的数据，2003年一家百货公司的数据，

项目成果

関 庸一, 下田祐紀夫, エルニ ドゥイ スマヤティ: "混合効果モデルによる異常劣化モニタリング法"品質. 32・4. 100-110 (2002)

Yoichi Seki、Yukio Shimoda、Erni Duy Sumayati：“使用混合效应模型的异常劣化监测方法”32・4（2002）。

関 庸一: "ID付きPOSデータからの顧客行動パタンの抽出"オペレーションズ・リサーチ. 48・2. 75-82 (2003)

Yoichi Seki：“从附加 ID 的 POS 数据中提取客户行为模式”运筹学 48・2（2003 年）。

関 庸一, 下田祐紀夫, エルニ ドゥイ スマヤティ: "混合効果モデルによる異常劣化モニタリング法"品質,2002,100-110. 32・4. 100-110 (2002)

Yoichi Seki、Yukio Shimoda、Erni Duy Sumayati：“使用混合效应模型的异常劣化监测方法”质量，2002年，100-110（2002）。

星野 直人, 関 庸一: "MDL基準による用量水準比較のためのノンパラメトリック検定"計算機統計学. 14・1. 45-55 (2001)

Naoto Hoshino、Yoichi Seki：“使用 MDL 标准比较剂量水平的非参数检验”计算机统计 14・1 (2001)。

Yoichi Seki: "A Method to extract customer behavior patterns from POS data including customer ID"Communication of the Operations Research Society of Japan. Vol.48, No.2. 75-82 (2003)

Yoichi Seki：“一种从包括客户 ID 在内的 POS 数据中提取客户行为模式的方法”日本运筹学会通讯。