モンテカルロシミューションで理想的なパラメータを探索する
1.想定される利用目的
・作成した予測モデルに組み合わせデータを適用し最適な入力を探索する
（馬力を最大化させる最も低コストのスペックパターンを求めるなど）
2.サンプルストリームのダウンロード
3.サンプルストリームの説明
予測モデルを作成する（逆引き9-16/17と共通）
a.モデル学習用データは以下の通りです。自動車のスペックデータです。
b.[データ型]ノードを編集します。馬力を[対象]にして予測します。
c.[ニューラルネット]ノードを実行します。
d.[ニューラルネット]モデルナゲットが作成されました。
予測モデルを新規データに適用する
e.[シミュレーションの当てはめ]ノードを配置して実行します。fが自動生成されます。
f.[シミュレーション入]ノードを編集します。各フィールドの分布を適合して自動的にデータを増やしますが、手動で確定することも可能です。
フィールド間の相関も計算してあり、なるべくこれを維持するように増幅します。
出来上がるデータサイズを制御できます。
[テーブル]します。分布の形状と相関を考慮しながら乱数を振って400弱のオリジナルデータを10万行に増幅しています。
g.[ヒストグラム]を実行します。推定された馬力の分布が明らかになりました。
h.[シミュレーション評価]ノードでは確率密度も表示されます。
i.馬力の予測値を降順でソートします。
[テーブル]を実行します。馬力が最も高いレコードになれるパラメータを探索できました。
注意事項
重回帰式から馬力が最大になるそれぞれの変数の値は求められますが、その場合矛盾した組み合わせを作る可能性が生じます（車体重量は重いが加速性能が高い）。ある物質の強度などをコストを考慮しながら最大化させる配合を、現実的な組み合わせでシミュレーションするのに有効です。
4.参考情報
Modelerで行う最適パラメータ推定
SPSS Modeler ノードリファレンス目次
SPSS Modeler 逆引きストリーム集（データ加工）