特徴量探索プロジェクト¶

特徴量探索は、データセットとそのデータセット内の特徴量の関係性に基づきます。 DataRobotは、このような関係性を構築および視覚化できる直感的な関係性エディターを提供します。 最終的な成果物として、これらのリンクから生成される多くの追加の特徴量が得られます。 派生した特徴量によって、より精度の高いモデルを構築し、より精度の高い予測をすることができます。 グラフおよび含まれるデータセットがDataRobotの特徴量探索エンジンによって分析され、特徴量エンジニアリング「レシピ」が決定されます。そのレシピから、トレーニングおよび予測に使用するセカンダリー特徴量が生成されます。

特徴量探索を開始するには、次のセクションを参照してください。 または、以下に関する詳細な手順にスキップします。

1. プロジェクトにデータセットを追加します。
2. 関係性を作成します。
3. 結合条件の設定
4. 関係性設定の品質の評価。
5. 特徴量探索の設定を行います。
6. プロジェクトの開始

また、時間認識の特徴量エンジニアリング、派生した特徴量、および派生した特徴量を持つモデルの予測の作成をさらに確認することもできます。

特徴量探索の使用を開始する¶

ほとんどの場合、特徴量探索プロジェクトを開くために必要なものは、次の点を含むシンプルなプライマリーデータセットです。

• ターゲット（予測する列）。
• データセットに追加の関連データセットを関連づけるための識別子（customer_idやtransaction_idなど）。 このキーは、データセット結合の基盤として機能します。
• オプションの時間インデックス。これはプライマリーデータセットの日付特徴量で、 時間認識の特徴量探索をサポートします。 日付特徴量は、新しい特徴量を作成する予測ポイントとして使用されます。

プライマリーデータセットの各レコードは、望ましい分析単位を表します。 このプライマリーデータセットから、DataRobotは、セカンダリーデータセットと呼ばれる追加のデータセットとの関係性を作成する手順をガイドします。

セカンダリーデータセットには、プライマリーデータセットを強化できる可能性のある特徴量があります。 プライマリーデータセットとセカンダリーデータセットを追加したときに、両方のデータセットで1対1の関係性が見られる場合もありますが、これは必須ではありません。 ほとんどの場合、DataRobotはセカンダリーデータセット内の特徴量を集約して要約し、そこからプライマリーデータセットを強化します。

ユースケースのサンプル¶

以下のステップでは、融資が貸し倒れするかどうかを予測するために DataRobotが複数のデータセットから新しい特徴量を自動的に探索する仕組みについて説明します。 プライマリーデータセットのCreditRisk - Loan Applicationsでは、is-bad列がプロジェクトのターゲットです。 データセットの関係は、CustID列です。

2つの追加の関連データセットである CreditRisk - Credit InquiriesおよびCreditRisk - Tradeline Acccountsは、特徴量探索に使用されるセカンダリーデータセットです。

モデル構築が開始するとEDA2が実行され、新しく作成された特徴量がデータページに追加されます。 データページには、生成されたすべてのプロジェクトデータ（新旧両方）に関するさまざまな情報が表示されます。

データセット追加¶

AIカタログからプライマリーデータセットを選択し、新しいプロジェクトを作成をクリックします。 次に、ターゲット特徴量を入力します。

_有効な特徴量探索プロジェクトには、少なくとも1つのセカンダリーデータセットが必要です。_次のタブでは、開始ページと関係性エディターの両方から、プロジェクトに追加のデータセットを読み込む方法について説明します。

キャンバスに表示される各データセットは、データセット関連のタスクへのショートカットを含むメニューがあります。 詳細については、 プライマリーデータセットと セカンダリーデータセットの操作を参照してください。

プロジェクトにセカンダリーデータセットを追加した後、データセット間の 関係性を定義します。

Snowflakeインテグレーション¶

DataRobotとSnowflakeのインテグレーションにより、この両方を使うユーザーは、有益な場合に、Snowflakeで計算を実行しながら、DataRobotでデータサイエンスプロジェクトを実行して、ワークロード性能を最適化できます。 特徴量探索トレーニングと予測ワークフローは、（SQLを介して）関係性内結合、予測、フィルター操作をSnowflakeプラットフォームに押し下げます。 Snowflakeデータベースでネイティブに結合を行うことで、DataRobotにロードする前にネットワーク全体に転送するため、データがより小さいデータセットにフィルタリングされます。 データセットを小さくすることでプロジェクト実行時間を短縮できます。

Snowflakeとのインテグレーションを有効にするには、次の要件を満たしている必要があります。

• Snowflakeデータ接続が設定されている。
• すべてのセカンダリーデータセットがSnowflakeに保存されている。
• すべてのSnowflakeソースが同じウェアハウスに保存されている。
• すべてのデータセットがAIカタログで動的データセットとして設定されている。
• 使用中のスキーマのいずれかまたは使用中のデータベースのいずれかのPUBLICスキーマへの書き込み権限がある。

上記の要件が満たされている場合、DataRobotにより連携が自動的に確立され、SnowflakeアイコンとSnowflakeモードが有効になっていますが関係性を定義するページの上部に青く表示されます。

データセットの詳細を表示¶

以下のいずれかの方法で関係性エディターから直接データセットの詳細にアクセスできます。

関係性を定義¶

すべてのデータセットがロードされたら、関係性を定義するページで関係性を定義します。 プライマリーデータセットはキャンバス上に表示され、セカンダリーセットは左側のウィンドウにリストされます。 2つのデータセット間の関係性を確立した後、 結合条件と 特徴量派生ウィンドウ（FDW）を設定して、時間認識特徴量エンジニアリングを行うことで、関係性を定義できます。

関係性を定義するには：

1. セカンダリーデータセットをクリックして強調表示します。プライマリーセットにはプラス記号が追加されます。

   

2. プラス記号をクリックします。 選択したセカンダリーデータセットがキャンバスに追加され、設定エディターが開きます。

   

   次の表では、新しい関係性を作成するページの要素について説明します。

   	要素	説明
   	結合用のセカンダリーデータセット	結合で使用するセカンダリーデータセットを設定します。 ドロップダウンを使用して追加済みデータセットを変更します。 変更は下のキャンバスに反映されます。
   	結合用のプライマリーデータセット	結合で使用するプライマリーデータセットを設定します。
   	提案された結合条件	データセットの結合条件（特徴量）を設定します（対応するデータセットが条件の上にリストされます）。 DataRobotでは最大5つの条件が提示されます。それぞれの条件は編集可能です。 ドロップダウンを使用して新しい特徴量を選択します。結合を削除するには、ごみ箱アイコン（）を使用します。
   	結合条件を追加する	手動結合設定オプションが提供されます。
   	保存または保存して、時間認識を設定します	関係性の設定を保存します。 日付特徴量がない場合、または予測ポイントを設定しなかった場合は、保存を選択します。 プライマリーデータセットから予測ポイントを設定した場合、保存して時間対応を設定するボタンが表示されます。
   	キャンバス表示コントロール	ズームインまたはズームアウトするか、デフォルトの表示サイズにリセットします。
   	データセットメニューオプション	プライマリーまたはセカンダリーデータセットで実行できるさまざまなアクションへのアクセスを提供します 。
   	結合編集を起動	関係性エディターが開き、クリックした行で結合されたデータセット間の関係性を定義または変更できます。
   	プライマリーアイコン	標的のアイコンは、プライマリーデータセットであることを示します。
   	ツアーの起動	特徴量探索の設定の概要を説明する短いツアーが開きます。
   	プロジェクトを続ける	開始画面に戻り、時間認識設定の変更、高度なオプションの設定、モデリングモードの設定に加えて、モデリングプロセスを開始することができます。

結合条件の設定¶

データセット内のテーブルが適切に書式設定されている場合、互換性のある特徴量が自動的に検出され、最大5つの「推奨」結合が作成されます。 各結合キーに関連付けられたドロップダウンを使用して、推奨結合を変更できます。

結合条件を追加するをクリックして、手動で結合キーを作成することもできます。 表示されるダイアログで、特徴量ドロップダウンを使用して、各データセットから結合特徴量を選択します。

すべてのセカンダリーデータセットを追加し、関係性設定を選択したら、保存をクリックして時間認識を設定します または、時間認識でないプロジェクト用に保存。

• 時間認識プロジェクトではない場合、開始ページが表示されます。
• 時間認識プロジェクトの場合、時間認識特徴量エンジニアリングページが表示され、ここで FDWを設定できます。

特徴量の派生ウィンドウの設定¶

セカンダリーデータセットを時間認識プロジェクトに追加すると、FDWを定義できます。これは、予測ポイントの前に特徴量を生成するために使用する過去の値のローリングウィンドウです。 FDWは時間履歴を制約します。以下は、30日前から2日前の例です。

1. 時間特徴量を選択するをクリックして、セカンダリーデータセットの時間インデックス特徴量を選択します。

   

2. FDWを設定します。 各データセットに最大3つのFDWを設定できます、各ウィンドウは一意である必要があります。 FDWを追加するには、ウィンドウを追加をクリックします。

   

   設定したFDWはキャンバス上のデータセットのタイルに反映されます。

   

   こうした時間認識設定により、生成された特徴量が予測ポイント前に発生したデータに基づくことを担保します。 詳細については、時間認識特徴量エンジニアリングを参照してください。

データセットの操作¶

データセットがキャンバスに追加されると、その設定を変更したり調整したりできます。 プライマリーデータセットはデフォルトでキャンバスに表示されますが、すべてのセカンダリーデータセットを追加する必要があります。

プライマリーデータセット¶

キャンバスから作業する場合、データセットタイルのメニューオプションを選択できます。 プライマリーデータセットでは、関係性を追加することや予測ポイントを編集することができます。

セカンダリーデータセット¶

セカンダリーデータセットを選択してキャンバスに移動すると、そのタイルでメニューオプションが使用できるようになります。 次の表は、メニューから使用できるオプションを示しています。

セカンダリーデータセットの設定¶

セカンダリーデータセットのメニューから データセットを設定を選択すると、データセットエディターが開きます。

ここでは以下の操作を行うことができます。

• データセットのエイリアスを変更します。 手動で設定されていない場合、ファイル名に基づいてエイリアスが自動的に生成されます。 エイリアスを変更するには、ボックス内をクリックします（プライマリーデータセットのエイリアスは変更できません）。

• このプロジェクトに使用するスナップショットポリシー（最新、固定、または動的）を選択します。 デフォルトでは、選択したスナップショットポリシーが予測時に適用されます。

• 対応するデータセットに対して適用する特徴量セットを選択します。 このオプションを使用し、関連する特徴量を選択してテーブルのサイズを制限します。 AIカタログから新しい特徴量セットを作成できます。

関係性の品質評価¶

1つ以上のセカンダリーデータセットを設定した後、それらの関係性設定の品質をテストして、作成プロセスの早い段階で潜在的な問題を把握できます。 関係性品質評価ツールは、EDA2の開始前に結合キー、データセットの選択、および時間認識設定を検証します。

設定を確認ボタンをクリックして、関係性の品質評価をトリガーします。

進行状況インジケーター（スピナーの読み込み）が各データセットと、無効になっている設定を確認ボタンに表示され、評価が現在実行中であることを示します。

評価が完了すると、DataRobotはテストされたすべてのデータセットにマークを付けます。 問題が特定されたものには黄色の注意アイコンが表示され、問題が特定されていないものには緑色のチェックマークが表示されます。

注意アイコンを選択して、提案された潜在的な修正を含む問題のサマリーを表示します。 評価中に特定された問題のサマリーがウィンドウの上部に表示されます。

詳細レポートを開くには、右側のオレンジの矢印をクリックします。 DataRobotがカテゴリーごとに評価を分割し、問題を診断するための追加情報を提供します。 セカンダリーデータセットに複数のFDWがある場合、詳細なレポートがレポートごとに作成されます。

注意を解決するには、各注意の下に表示されるオレンジのリンク（データセットの確認、関係性の確認、またはウィンドウ設定の確認）をクリックします。関係性エディターの上部にペインが表示され、関係性設定を変更できます。

モデル構築が開始され、EDA2が完了した後、データ > 特徴量探索タブで最新の関係性の品質評価を表示できます。

特徴量探索の設定¶

特徴量探索プロセスでは、DataRobotプロジェクトで 派生させる特徴量のリストをさまざまなヒューリスティックを用いて決定します。 特徴量探索の設定で、新しい特徴量の派生時にDataRobotが試行する変換を制御できます（特徴量エンジニアリングのコントロール）。また、冗長な特徴量やインパクトの小さい特徴量を自動削除（特徴量の削減）するように設定することもできます。

特徴量探索の設定にアクセスするには、関係性を定義するページで設定歯車をクリックします。

特徴量エンジニアリングの管理¶

特徴量エンジニアリングの管理を設定し、DataRobotで特徴量エンジニアリングを実行する方法に影響を与えることができます。 次の目的でこれを使用できます。

• ドメイン知識を使用して、特徴量エンジニアリングのプロセスを導き、派生した特徴量の品質を向上します。
• 特徴量エンジニアリングの速度を上げます。
• より多くの特徴量を派生することで、精度を向上させます。たとえば、カテゴリー統計、歪度、尖度を使用します。
• 複雑すぎてビジネス上の利害関係者に説明できない特定の変換を除外します。 モデリングの後、これらの特徴量を除外できますが、それではモデリングプロセスが複雑になってしまいます。

EDA2の前に、関係性エディターの特徴量エンジニアリングオプションを設定します。

1. 特徴量探索の設定で、特徴量エンジニアリングタブをクリックします。 プロジェクトにとって最も有用な特徴量エンジニアリング変換を検討し、新しい特徴量の派生時にDataRobotで試行するものを選択します。

   

   変換にカーソルを合わせて、それを説明するツールヒントを表示できます。

   

   「最新」と「ウィンドウ内の最新の値」

   | 変換 | 説明 | デフォルト | ---------- | ----------- | | 最新 | 定義されたFDWの終了ポイントまでのすべての履歴データを探索して、新しい特徴量を生成します。 この方法はすべてのFDW開始ポイントを無視することに注意してください。 | 無効 | | ウィンドウ内の最新の値 | 定義されたFDW内に新しい特徴量を生成します。 時間認識特徴量エンジニアリングでは、予測を行うときにFDW内のデータのみが必須です。 | 有効 |

2. 変更を保存をクリックします。

特徴量の削減¶

特徴量探索では、DataRobotが新しい特徴量を作成し、インパクトの低い特徴量や重複した特徴量を削除します。 これを特徴量の削減といいます。 また、以下のいずれかの方法で特徴量の削減を無効にするとその代わりに、モデル構築時にすべての特徴量を含めることができます。

関係性設定（関係性を定義 ページ）で、設定（）の歯車をクリックします。 特徴量の削減タブを選択し、特徴量削減の管理を使用するをオフにします。

プロジェクトの開始¶

1. 関係性の定義が完了したら、プロジェクトの続行をクリックしてスタート画面に戻ります。

   

   セカンダリーデータセットセクションでは、セカンダリーデータセットの詳細に関するビジュアルキューが表示されます。

   	ビジュアルキュー	示す
   	青いテキストを含むデータセット	データセットは、プロジェクトの一部で使用中です。
   	ホワイトテキストを含むデータセット	データセットはロードされましたが、関係性の定義の一部はロードされていません。
   	リンクされたデータセット	このデータセットでリンクされたデータセットの数。
   	データセットと関係性の数	セカンダリーデータセットと、定義された関連性の数。

2. 開始をクリックします。

   DataRobotは、EDA2の一部として特徴量エンジニアリングを実行し、モデルのブループリントの生成を開始します。

アセットの共有¶

その他のDataRobotプロジェクトと同様に、（権限に応じて）特徴量探索プロジェクトを共有できます。 共有を許可するユーザーには、さまざまな権限を割り当てることができます。 エンジニアリンググラフとデータセットも共有する機能は、特徴量探索プロジェクトに特有の機能です。

プロジェクトを共有するには、シェアアイコン（）をクリックします。 受信者がプロジェクトと関わるには、追加のアセットにアクセスする必要があります。 デフォルトでは、アセットは共有されません。 関係性とデータセットの共有を有効にします。そうでない場合、注意が表示されます。

割り当てられた役割に加えて、プロジェクトユーザーのリストには、プロジェクトアセットが共有されているかどうかも示されます。