# Streamlitによる解約のインサイト

> Streamlitによる解約のインサイト - Streamlitチャーン予測アプリを使用して、DataRobotモデルのドライバーと予測を表示します。

This Markdown file sits beside the HTML page at the same path (with a `.md` suffix). It summarizes the topic and lists links for tools and LLM context.

Companion generated at `2026-07-27T18:44:30.225958+00:00` (UTC).

## Primary page

- [Streamlitによる解約のインサイト](https://docs.datarobot.com/ja/docs/api/dev-learning/accelerators/data-enrichment-prep/streamlit-app.html.md): Full documentation for this topic (Markdown sidecar).

## Documentation content

[GitHubでこのAIアクセラレーターにアクセス](https://github.com/datarobot-community/ai-accelerators/tree/main/advanced_ml_and_api_approaches/Streamlit_template_datarobot_insights/README.md)

このアプリは、チャーン予測のユースケースを使用して、DataRobotモデルのドライバーと予測を提示する方法の例として機能します。 StreamlitとDataRobotを使用してチャーン予測アプリを構築することは、機械学習の力を活用して顧客維持を改善する優れた方法です。

チャーン予測モデルを構築する最初のステップは、データを収集して準備することです。 一般的に、これには顧客の行動、人口統計、および使用パターンに関するデータの収集が関係します。 データを取得したら、DataRobotにアップロードして、残りの処理をプラットフォームに任せることができます。 トレーニング後、DataRobotからは、特徴量の有用性、モデル検定、精度指標など、モデルのパフォーマンスに関する詳細なインサイトが得られます。

満足できるモデルができたら、DataRobotの予測APIを使用して新しいデータで予測を生成できます。 このワークフローは、これらの予測がすでに生成され、CSVファイルとして保存されていることを前提としています。

チャーン予測用のStreamlitアプリを作成するには、Pandas、NumPy、Streamlit、Plotly、PILなどの必要なライブラリをインポートする必要があります。 その後、予測データを読み取って、Streamlitアプリのページ設定を設定できます。

アプリ自体は、ユーザーがチャーンスコアを表示するための条件とチャーンの上位の理由を指定できるようにしてください。 これを行うには、スライダーやその他の対話的な要素を使用します。

DataRobot予測を使用してStreamlitアプリを構築するこのプロセスのワークフローは、チャーンStreamlitアプリのGitHubリポジトリにあります。 このワークフローは、DataRobotで構築された他の分類または連続値モデルのインサイトを提示するように調整できます。