![インシリコデータが有する独占技術となる、KY法および関連手法に関する説明図(概念)です:<br>An explanatory diagram (concept) about the KY method and related methods, which are the exclusive technologies of the In Silico Data.<br>
<!-- ↓↓スライド1枚目↓↓ -->
<img src= 写真:ホームページタイトル](img/ky-methods/slide0.jpg)
![A series of the KY-methods 写真:PPTスライド](img/ky-methods/slide1.jpg)
![Two model KY-method 写真:PPTスライド](img/ky-methods/slide2.jpg)
![Single Model KY-method 写真:PPTスライド](img/ky-methods/slide3.jpg)
![Model free KY-method 写真:PPTスライド](img/ky-methods/slide4.jpg)
![KY-fitting with DA 写真:PPTスライド](img/ky-methods/slide5.jpg)
![KY-fitting with no DA 写真:PPTスライド](img/ky-methods/slide6.jpg)
![Model Free KY-fitting 写真:PPTスライド](img/ky-methods/slide7.jpg)
![Personalized Modeling for DA 写真:PPTスライド](img/ky-methods/slide8.jpg)
![Personalized Modeling for Fitting 写真:PPTスライド](img/ky-methods/slide9.jpg)
![A series of the KY-methods 写真:PPTスライド](img/ky-methods/slide1.jpg)
KY法(K-step Yard sampling methods)は、株式会社インシリコデータの湯田が富士通在籍中に開発した、次世代型のデータ解析手法です。
KY法の特徴ですが、ニクラス分類では分類率を100%とすることが可能で、サンプル数が増大してもその分類能力が低下することはありません。
通常のニクラス分類手法ではサンプル数が増大すると分類率等は急速に低下するのですが、KY法では分類率の低下は分類原理上からもありません。従って、大量のデータが扱える現代の環境において、最も理想的なデータ解析手法となります。
KY法は当初はニクラス分類のみでしたが、現在はフィッテイング(重回帰)手法にも適用されました。フィッテイングに関するKY法では、従来手法とはレベルが異なる極めて高い相関係数や決定係数を出すことが可能です。
KY法のみならず、テーラーメードモデリング技術(データサンプルの分布状況に応じた分類促進サンプリング手法)も開発しました。この技術とKY法を組み合わせることで、極めて大量のデータを用いたデータ解析でも最高のデータ解析パフォーマンスを達成することが可能となります。
KY法は、ソフトの自動化に最適のアルゴリズムを有しています。大量のデータを自動的に解析してゆくという正に来るべきビッグデータ時代に対応した次世代型データ解析ソフトの開発も容易になります。