目的変数の異なるモデル間でのstackingモデルについて意思決定のための高精度な予測モデルを開発することは企業にとって重要な課題である。 しかし、現実のビジネス要件に沿って目的変数を設定していくと、その構造は複雑になっていくことが多い。そのような場合の精度改善の一つの手法として、複数のモデルを利用するアンサンブル学習の枠組みがある。特に初段のモデルの予測値を次段のモデルの入力に使う手法はstackingと呼ばれている。 本研究では初段に単純な構造の目的変数を持つモデルと、次段に複雑な構造の目的変数を持つモデルからなるstackingモデルを提案するとともに、自動車産業の実データを使用したモデリングにおける事例を紹介する。
