正解データが少なくても学習できる機械学習技術、富士通研究所が開発

　富士通研究所が開発した「Wide Learning」は、正解数が少ないデータセットにおいても高精度で学習できる機械学習技術。機械学習では一般に、十分な量の正解を含む大量データを使って学習する。Wide Learningでは、すべてのデータ項目を単独ではなく組み合わせで判断することでデータ量が少なくても精度を高められるようにした。

　たとえば、商品の購入傾向分析では、各データの「性別」「免許保有」「婚姻」「年齢」といったデータ項目を組み合わせて「仮説」とする。「女性で免許を保有している顧客」や「未婚で20～34歳」といった全パターンを組み合わせて仮説を作り、仮説ごとに実際の商品購入率（仮説のヒット率）を検証する（図1）。

図1：すべてのデータ項目の組み合わせについて、購入率を検証することで、重要な仮説を発見し、機械学習の判定精度向上につながることができる

　一定のヒット率を記録した仮説を「ナレッジチャンク」と呼び、重要な仮説に位置付ける。これにより、正解データが少ないデータセットであっても注目すべき仮説を抽出する。これまで考えつかなかった仮説の発見にもつながるという。ナレッジチャンクは、論理的な表現で記述できるため、人間でも機械学習の判断の根拠を理解しやすくなるともいう。

　ナレッジチャンクを構成する項目が、ほかのナレッジチャンクを構成する項目と多く重複する場合は、ナレッジチャンクの影響度を制御して、高精度な判定が可能なモデル学習を実現する。

　たとえば、「男性」を含むナレッジチャンクが多く、「免許保有」を含むナレッジチャンクが少ない場合、「男性」を含むナレッジチャンクの影響度を低く抑え、「免許保有」を含むナレッジチャンクの影響度を相対的に高くして学習する（図2）。データの重複や偏りの影響を抑えながら、正確に判定できるモデルを構築できるとしている。

図2：重複が多い項目を含むナレッジチャンクの影響度を下げ、重複が少ない項目を含むナレッジチャンクの影響度を上げる

　富士通研究所はWide Learningを、米カリフォルニア大学アーバイン校が公開しているデータセット「UC Irvine Machine Learning Repository」の中から、マーケティングと医療領域のデータセットで検証した。その結果、正解データを当てる精度が10～20％ほど深層学習を上回り、サービスへの加入見込みが高い客を見逃す確率と、罹患患者を見逃す確率を20～50％ほど下げられたとしている。

　具体的には、5000件のうち購入顧客データが約230件と、正解データが少ないデータを使って販促対象を決めたところ、深層学習では見込み顧客120人を販促対象から外したが、Wide Learningでは、その数を74人にまで減らせた。

　今後は、不正利用や設備故障など発生頻度が低い事象を対象とした分析や、金融取引、医療診断など、判断理由を説明する必要がある業務での分析への活用を進め、2019年度の実用化を目指す。