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、記号等；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、同じcategoryに複数の異なる項目を登録する場合、categoryを指定する必要があります。
- 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、trainTextの数値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に実測値を格納してください。
- 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、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、trainTextの数値組は半角のスペースで区切ってください。
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できます。
    - 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の数値組は半角スペースで区切り、すべての項目の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に実測値を格納してください。
    - 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に分類値を文字列として格納してください。すべての項目のtrainTextにおいて、数値または文字列の組み合わせ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、基本的に一つの項目のtrainTextを登録する必要があります。半角スペースで区切った数値の組をtrainTextに格納してください。

指定され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・予測処理を実行する前に、必ず「1:承認済」に設定する必要があります。

指定した学習テーマの項目情報（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、同じcategoryに属する異なる項目を複数登録することができます。
- 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、trainTextの数値組は半角スペースで区切ります。すべての項目のtrainTextに含まれる数値の数は一致しなければなりません。最後の項目のtrainTextには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には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に含まれる数値または文字列の数は一致しなければなりません。
- 時系列回帰予測の場合、基本的には一つの項目の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ます。

指定した学習テーマの項目情報（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に異なる複数の項目が登録される場合があります。
- 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。各trainTextは数値組であり、半角のスペースで区切ります。すべての項目のtrainTextに含まれる数値組の数は一致しなければなりません。最後の項目のtrainTextには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には分類値を格納します。数値または文字列の組であるtrainTextは、半角スペースで区切ります。すべての項目のtrainTextに含まれる数値または文字列の組の数は一致しなければなりません。
- 時系列回帰予測の場合、基本的に一つの項目のtrainTextを登録する必要があります。各trainTextは数値組であり、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。

指指定した学習テーマの項目情報（複数の項目番号を指定可能）を削除します。

テキストを投入して、単純ベイズ(Naive Bayes)モデルで解析した結果を取得します。学習項目の量によっては、少し時間がかかる場合があります。

引き渡された説明変数に基づいて作成された線形単回帰または重回帰モデルで予測処理を行い、予測結果が返されます。

引き渡した説明変数に基づいて作成されたロジスティック回帰の分類モデルを使用して計算処理を行い、分類の確率結果が返されます。

自己回帰(AR)モデルを用いて予測処理を行い、予測結果が返されます。
(outStartNo: 予測結果の開始順番; outEndNo: 予測結果の終了順番; 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)

移動平均(MA)モデルを用いて予測処理を行い、予測結果が返されます。
(outStartNo: 予測結果の戻り始める順番; outEndNo: 予測結果の戻り終わる順番; cycleStartNo: 元の学習データの周期の開始順番; 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序; outEndNo: 予測結果の戻り終了順序; cycleStartNo: 学習データ周期の開始順序; cyclePeriod: 学習データの周期)

自己回帰和分移動平均(ARIMA)モデルを使って予測処理を行い、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、偏差行列、共分散行列、pearson相関行列、spearman相関行列、kendall相関行列などの統計結果が戻ります。線形回帰学習の場合、説明変数と目的変数の相関係数は0.7以上が推奨されます。

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返されます。
(moveInterval: 移動平均・移動中央の計算区間; convertMode: 変換モード(0: オリジナル, 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: 差分の階数)