AcroLearner

機械学習のテーマを追加します。
（language=0:英語、1:日本語、2:その他;partOfSpeech=名詞、形容詞、動詞、副詞、連体詞、助詞、助動詞、接頭辞、接続詞、記号など。Naivebayesテキスト分類のみ有効）
（trainType=1:Naivebayesテキスト分類、2:線形回帰、3:ロジステック回帰、4:時系列AR、5:時系列MA、6:時系列ARMA、7:時系列ARIMA）
学習テーマの項目情報と一緒に追加することも可能です。
- Naivebayesテキスト分類の場合、categoryを指定する必要があり、同じcategoryに複数の異なる項目が登録されることがあります。
- 線形回帰の場合、少なくとも2つの項目のtrainTextを登録する必要があり、trainTextの数値組は半角スペースで区切り、すべての項目trainTextにおいて数値の数が一致している必要があります。最後の項目のtrainTextには実測値を格納してください。
- ロジステック回帰の場合、少なくとも2つの項目のtrainTextを登録する必要があり、最後の項目のtrainTextに分類値を格納し、文字列でも可能です。 trainTextの数値または文字列の組み合わせは、半角スペースで区切り、すべての項目trainTextにおいて、数値または文字列の数が一致している必要があります。
- 時系列回帰予測の場合、基本的に1つの項目のtrainTextを登録する必要があり、trainTextの数値組は半角スペースで区切る必要があります。
成功したら、戻ってきたtrainKeyとresultKeyをメモしてください。

学習テーマを更新します。
（language=0：英語、1：日本語、2：その他；partOfSpeech：名詞、形容詞、動詞、副詞、連体詞、助詞、助動詞、接頭辞、接続詞、記号など。Naivebayesテキスト分類のみ有効）
（trainType=1：Naivebayesテキスト分類、2：線形回帰、3：ロジステック回帰、4：時系列AR、5：時系列MA、6：時系列ARMA、7：時系列ARIMA）
学習テーマの項目情報と一緒に追加することも可能です。
- Naivebayesテキスト分類の場合、categoryを指定する必要があります。同じcategoryに複数の異なる項目を登録できます。
- 線形回帰の場合、少なくとも2つの項目のtrainTextを登録する必要があります。trainTextの数値組は半角スペースで区切り、すべての項目のtrainTextには同じ数の数値が含まれている必要があります。最後の項目のtrainTextに実測値を格納します。
- ロジステック回帰の場合、少なくとも2つの項目のtrainTextを登録する必要があります。最後の項目のtrainTextに分類値を格納します。文字列でも可能です。trainTextの数値または文字列の組み合わせは半角スペースで区切り、すべての項目のtrainTextには同じ数の数値または文字列が含まれている必要があります。
- 時系列回帰予測の場合、基本的に1つの項目のtrainTextを登録する必要があります。 trainTextの数値組は半角スペースで区切ります。

指定した学習テーマの属性情報（resultKeyを含む）を取得します。

学習テーマを削除します。

学習テーマの状態を設定します。(StatusId=0:新規未承認; 1:承認済; 2:論理削除)
重要: 下記の学習、解析・予測処理を実施する前に必ず「1:承認済」に設定してください。

指定した学習テーマの明細項目情報(複数可)を追加します。
- Naivebayesテキスト分類の場合、categoryを指定する必要があります。同じcategoryに複数の異なる項目が登録されることがあります。
- 線形回帰の場合、少なくとも二つの項目のtrainTextを登録する必要があります。trainTextの数値組は半角のスペースで区切り、すべての項目のtrainTextにての数値数は一致しなければなりません。最後の項目のtrainTextに実測値を格納します。
- ロジステック回帰の場合も少なくとも二つの項目のtrainTextを登録する必要があります。最後の項目のtrainTextに分類値を格納し、文字列でも可能です。trainTextの数値又は文字列組は半角のスペースで区切り、すべての項目trainTextにての数値又は文字列数は一致しなければなりません。
- 時系列回帰予測の場合は、基本的に一つの項目のtrainTextを登録する必要があります。 trainTextの数値組は半角のスペースで区切ります。

指定した学習テーマの明細項目情報（複数可）を更新します。
- Naivebayesテキスト分類の場合、categoryを指定する必要があります。同じcategoryに異なる項目が複数登録されることがあります。
- 線形回帰の場合、少なくとも2つの項目のtrainTextを登録する必要があります。trainTextの数値組は半角のスペースで区切り、すべての項目のtrainTextにての数値数は一致しなければなりません。最後の項目のtrainTextに実測値を格納します。
- ロジスティック回帰の場合も少なくとも2つの項目のtrainTextを登録する必要があります。最後の項目のtrainTextに分類値を格納することができ、文字列でも可能です。trainTextの数値又は文字列組は半角のスペースで区切り、すべての項目trainTextにての数値又は文字列数は一致しなければなりません。
- 時系列回帰予測の場合、基本的に1つの項目のtrainTextを登録する必要があり、trainTextの数値組は半角のスペースで区切ります。

指定した学習テーマの項目一覧を取得します。

指定した学習テーマの項目一覧をCSV形式で取得します。

指定した学習テーマの項目情報を取得します。

指定した学習テーマの項目情報（複数項目番号指定可能）を削除します。

テキストを投入し、単純ベイズ(Naive Bayes)モデルで解析結果を取得します。学習する量によっては、処理に少し時間がかかることがあります。

引き渡した説明変数を使って作成した線形単回帰または重回帰モデルで予測を行い、その予測結果が返されます。

引き渡した説明変数を用いて作成したロジスティック回帰の分類モデルで計算処理を行い、分類の確率結果が返されます。

自己回帰(AR)モデルを使用して予測処理を行い、予測結果が返されます。
(outStartNo: 予測結果の戻り開始順序; outEndNo: 予測結果の戻り終了順序; cycleStartNo: 元の学習データの周期の開始順序; cyclePeriod: 元の学習データの周期)

移動平均(MA)モデルを使用して予測処理を行い、予測結果が返されます。
(outStartNo: 予測結果の戻り開始順序; outEndNo: 予測結果の戻り終了順序; cycleStartNo: 元の学習データの周期の開始順序; cyclePeriod: 元の学習データの周期)

自己回帰移動平均(ARMA)モデルで予測処理を行い、予測結果が返されます。
(outStartNo: 予測結果の戻り開始順番; outEndNo: 予測結果の戻り終了順番; cycleStartNo: 元の学習データの周期開始順番; cyclePeriod: 元の学習データの周期)

自己回帰和分移動平均（ARIMA）モデルで予測処理を行い、予測結果が返されます。
（outStartNo：予測結果戻りの開始順番、outEndNo：予測結果戻りの終了順番、cycleStartNo：元の学習データ周期開始順番、cyclePeriod：元の学習データ周期）

平均、幾何平均、平方平均、中央値、最頻値、最小値、最大値、合計、計数、分散、母分散、標準偏差、総偏差、共分散、総相関係数、偏差マトリックス、共分散マトリックス、ピアソン(pearsons)の相関係数マトリックス、スピアマン(spearmans)の相関係数マトリックス、ケンドール(kendalls)の相関係数マトリックスなどの統計結果が戻されます。線形回帰学習の場合は、説明変数と目的変数の相関係数が0.7以上であることを推奨します。

平均、幾何平均、平方平均、中央値、最頻値、最小値、最大値、合計、計数、分散、母分散、標準偏差、対数変換、対数差分変換、比率変換、ロジット変換、移動平均、移動中央、ホワイトノイズ、n階差分、自己共分散、自己相関係数、偏自己共分散、偏自己相関係数などの統計結果が戻されます。
(moveInterval:移動平均・中央の計算区間; convertMode:変換モード(0:元データ,1:差分,2:対数,3:対数差分,4:比率,5:ロジット); smoothMode:平滑化モード(0:なし,1:移動平均,2:移動中央); diffOrder:n階差分の階数)