産業分野の様々な課題に対する機械学習の適用機会が増加し、MLOpsと呼ばれる継続的なモデル運用を支援する技術に注目が集まっている。特に、モデルの継続的な改善には予測モデルの再学習が不可欠である。通常、一定期間の直近運用データ又は利用可能な全データを用いた定期的な再学習を行うことが多いが、これには現行モデル運用時の知見を十分に活用できていないという課題が存在する。本研究では、モデル運用中の予測ミス分析結果を利用して再学習データを適応的に自動作成する手法を提案する。具体的には、予測ミス要因自動特定手法により特定された予測ミス要因に応じて、サンプル単位の追加/削除,または重みの増加/減少という処理を行う。これにより、学習に悪影響を与える不要なサンプルを取り除いた長期間のデータを再学習用データとして用いることができる。また、予測性能を向上させる上で重要なサンプルを重視した再学習が可能となる。数値実験により、提案手法は様々なデータに対して安定して良い性能を示すことが確認された。
