抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
人工知能アルゴリズムのうちのデータ・マイニング手法として標題連載論文の第4回(2016年12月号)では主成分分析,第5回(2017年2月号)ではクラスタ分析を解説した。本論文では,それらと同様にアンケートの分析に利用できるだけでなく,データの分類や今後の予測などにも使え,ニューラル・ネットワークの教師なし学習に位置付けられる自己組織化マップ(SOM)のRでの使い方を説明した。まず,7種類の動物に,1)可愛い,2)危険,3)大きい,4)ふさふさ,5)強い,6)賢いといった6つの評価をしたデータをSOMで分類し,主成分分析やクラスタ分析による結果と比較した。また,新たに3種類の動物の評価データを入力すると,7種類の動物に対するデータとの近さを判別でき,その特徴を推測できるSOMの利点を説明した。さらに,SOMの結果に影響を与える学習回数,学習係数や影響を与える範囲といったパラメータを調整し,上手く学習できているかを調べたり,どのデータが分類に影響しているかを調べるRのコマンドについても述べた。例えば,それらを用いるとSOMで「霊長類」,「巨大動物」,「その他」に分類された動物データに対し,1)~6)のどの要素がそれらの分類に影響しているのかを判断できることを示した。