一般社団法人経営情報学会-2018年春季全国研究発表大会

大会プログラム

目的変数の異なるモデル間でのstackingモデルについて

○羽鳥 冬星1)

1) 株式会社リクルートテクノロジーズ

Abstract
意思決定のための高精度な予測モデルを開発することは企業にとって重要な課題である。
しかし、現実のビジネス要件に沿って目的変数を設定していくと、その構造は複雑になっていくことが多い。そのような場合の精度改善の一つの手法として、複数のモデルを利用するアンサンブル学習の枠組みがある。特に初段のモデルの予測値を次段のモデルの入力に使う手法はstackingと呼ばれている。

本研究では初段に単純な構造の目的変数を持つモデルと、次段に複雑な構造の目的変数を持つモデルからなるstackingモデルを提案するとともに、自動車産業の実データを使用したモデリングにおける事例を紹介する。

Developing a highly accurate prediction model for decision making is an important issue for companies.
However, as objective variables are set according to real business requirements, their structure often becomes complicated.
As one method of improving accuracy in such cases, there is a framework of ensemble learning that uses multiple models.
In particular, the method of using the prediction value of the model of the first stage as input of the next model is called stacking.

In this research, we propose a new stacking model which has a simple structure first stage model and a complicated structure next stage model, and we introduce examples of modeling using actual data of the automobile industry.
Keywords
統計モデリング,アンサンブル学習,スタッキング

modeling,ensemble learning,stacking
前に戻る