データ駆動型モデル

データ駆動型モデルは、システムまたはプロセスの存続期間を通じて収集された履歴データを主に利用して、入力変数、内部変数、および出力変数間の関係を確立する計算モデルの一種です。多くの記事や出版物でよく見られるデータ駆動型モデルは、以前の統計モデルから進化したもので、確率分布に関する厳格な仮定によってもたらされた制限を克服しています。これらのモデルは、特にビッグデータ、人工知能、機械学習の時代にさまざまな分野で注目を集めており、利用可能なデータに基づいて貴重な洞察と予測を提供しています。

背景

これらのモデルは、しばしば過度に制限的であることが判明した確率分布に関する特定の仮定に基づいた初期の統計モデルから進化しました。 ^[1] 1950年代と1960年代のデータ駆動型モデルの出現は、デジタルコンピュータの開発、人工知能研究の進歩、パターン認識や自動分類などの非行動モデリングにおける新しいアプローチの導入と一致しました。^[2]

重要な概念

データ駆動型モデルには、大規模なデータセットをインテリジェントに処理および分析することを目的とした幅広い技術と方法論が含まれます。例としては、不確実性を処理するためのファジー論理、ファジー集合とラフ集合、 ^[3] 関数を近似するためのニューラルネットワーク、 ^[4] グローバル最適化と進化的コンピューティング、^[5] 統計的学習理論、^[6]ベイズ法などがあります。^[7]これらのモデルは、経済学、顧客関係管理、金融サービス、医療、軍事など、さまざまな分野で応用されています。^[8]

人工知能のサブフィールドである機械学習は、過去のデータを使用して予測を行いパターンを識別できるモデルを作成することに重点を置いているため、データ駆動型モデリングと密接に関連しています。^[9]実際、多くのデータ駆動型モデルは、回帰、分類、クラスタリングアルゴリズムなどの機械学習技術を組み込んで、データの処理と分析を行っています。^[10]

近年、データ駆動型モデルの概念は水資源の分野で大きな注目を集めており、多くのアプリケーション、学術コース、科学出版物では、物理学ではなくデータに依存するモデルを一般化するためにこの用語を使用しています。^[11]この分類はさまざまな出版物で取り上げられており、過去10年間でハイブリッドモデルの開発に拍車をかけました。ハイブリッドモデルは、水文学モデルで使用される物理ベースの情報の程度を定量化し、モデルの構築プロセスが主に物理学によって駆動されているか、純粋にデータに基づいているかを判断しようとします。その結果、データ駆動型モデルは、水資源の管理と研究における重要な議論と調査のトピックになりました。^[12]

「データ駆動型モデリング」（DDM）という用語は、機械学習や人工知能などの高度な計算技術と組み合わせて履歴データを使用することで、根本的な傾向やパターンを明らかにし、場合によっては予測を行うことができるモデルを作成するという包括的なパラダイムを指します。^[13]データ駆動型モデルは、システムの動作を制御する基礎となるプロセスの詳細な知識の有無にかかわらず構築できるため、そのような知識が欠落していたり断片化されている場合に特に役立ちます。^[14]

参考文献

^ David, A., Freedman. (2006). いわゆる「Huber Sandwich Estimator」と「Robust Standard Errors」について。The American Statistician、60(4):299-302。doi : 10.1198 /000313006X152207
^ Richard, O., Duda., Peter, E., Hart. (1973). パターン分類とシーン分析。
^ J., A., Goguen. (1973). Zadeh LA. ファジー集合. 情報と制御, vol. 8 (1965), pp. 338–353. Zadeh LA. 類似関係とファジー順序付け. 情報科学, vol. 3 (1971), pp. 177–200.. Journal of Symbolic Logic, 38(4):656-657. doi :10.2307/2272014
^ Simon, Haykin. (2009). ニューラルネットワークと学習マシン第3版: Simon Haykin.
^ David, E., Goldberg. (1988). 探索、最適化、機械学習における遺伝的アルゴリズム。アラバマ大学。
^ Vapnik, V. (1995). 統計学習理論の性質。Springer。
^ ポール・ヒューソン (2015)。ベイジアンデータ分析第3版 A. ゲルマン、JB カーリン、HS スターン、DB ダンソン、A. ベタリ、DB ルービン、2013 ボカラトン、チャップマンアンドホール CRC 676 ページ、ISBN 1-4398-4095-4。王立統計学会誌シリーズ A-統計学の社会、178(1):301-301。doi :10.1111/ J.1467-985X.2014.12096_1.X
^ Usama, M., Fayyad., Gregory, Piatetsky-Shapiro., Padhraic, Smyth. (1996). 「データマイニングからデータベースの知識発見へ」 Ai Magazine, 17(3):37-54. doi :10.1609/AIMAG.V17I3.1230
^ Mitchell, TM (1997). 機械学習. McGraw Hill Series in Computer Science.
^ Alpaydin, E. (2020). 機械学習入門. MIT Press. ISBN 978-0-262-01243-0
^ Robert, J., Abrahart., Linda, M., See., Dimitri, Solomatine. (2008). 実用的なハイドロインフォマティクス：水アプリケーションにおける計算知能と技術開発。
^ GA、Corzo、Perez。(2009)。水文予測のためのハイブリッドモデル：データ駆動型と概念モデリング技術の統合。
^ Foster, Provost., Tom, Fawcett. (2013). ビジネスのためのデータサイエンス: データマイニングとデータ分析的思考について知っておくべきこと。
^ M., Cheng., Fangxin, Fang., Christopher, C., Pain., Ionel, Michael, Navon. (2020). 深層畳み込み生成敵対ネットワークを用いた非線形時空間流体フローのデータ駆動型モデリング。応用力学および工学におけるコンピュータ手法、365:113000- 。doi :10.1016/J.CMA.2020.113000

[1] David, A., Freedman. (2006). いわゆる「Huber Sandwich Estimator」と「Robust Standard Errors」について。The American Statistician、60(4):299-302。doi : 10.1198 /000313006X152207

[2] Richard, O., Duda., Peter, E., Hart. (1973). パターン分類とシーン分析。

[3] J., A., Goguen. (1973). Zadeh LA. ファジー集合. 情報と制御, vol. 8 (1965), pp. 338–353. Zadeh LA. 類似関係とファジー順序付け. 情報科学, vol. 3 (1971), pp. 177–200.. Journal of Symbolic Logic, 38(4):656-657. doi :10.2307/2272014

[4] Simon, Haykin. (2009). ニューラルネットワークと学習マシン第3版: Simon Haykin.

[5] David, E., Goldberg. (1988). 探索、最適化、機械学習における遺伝的アルゴリズム。アラバマ大学。

[6] Vapnik, V. (1995). 統計学習理論の性質。Springer。

[7] ポール・ヒューソン (2015)。ベイジアンデータ分析第3版 A. ゲルマン、JB カーリン、HS スターン、DB ダンソン、A. ベタリ、DB ルービン、2013 ボカラトン、チャップマンアンドホール CRC 676 ページ、ISBN 1-4398-4095-4。王立統計学会誌シリーズ A-統計学の社会、178(1):301-301。doi :10.1111/ J.1467-985X.2014.12096_1.X

[8] Usama, M., Fayyad., Gregory, Piatetsky-Shapiro., Padhraic, Smyth. (1996). 「データマイニングからデータベースの知識発見へ」 Ai Magazine, 17(3):37-54. doi :10.1609/AIMAG.V17I3.1230

[9] Mitchell, TM (1997). 機械学習. McGraw Hill Series in Computer Science.

[10] Alpaydin, E. (2020). 機械学習入門. MIT Press. ISBN 978-0-262-01243-0

[11] Robert, J., Abrahart., Linda, M., See., Dimitri, Solomatine. (2008). 実用的なハイドロインフォマティクス：水アプリケーションにおける計算知能と技術開発。

[12] GA、Corzo、Perez。(2009)。水文予測のためのハイブリッドモデル：データ駆動型と概念モデリング技術の統合。

[13] Foster, Provost., Tom, Fawcett. (2013). ビジネスのためのデータサイエンス: データマイニングとデータ分析的思考について知っておくべきこと。

[14] M., Cheng., Fangxin, Fang., Christopher, C., Pain., Ionel, Michael, Navon. (2020). 深層畳み込み生成敵対ネットワークを用いた非線形時空間流体フローのデータ駆動型モデリング。応用力学および工学におけるコンピュータ手法、365:113000- 。doi :10.1016/J.CMA.2020.113000