データの操作（Classic）¶

高品質のデータは、データのインポートとクリーニングから、特徴量の変換とエンジニアリング、予測データセットによるスコアリング、予測サーバーへのデプロイまで、機械学習ワークフローに不可欠であり、非常に重要です。 DataRobotには、データをシームレスかつ安全に操作するためのツールが用意されています。

外部データソースを含む様々なソースからデータをインポートすることで、データの移動を最小限に抑え、クラウドデータウェアハウスやレイク全体でデータガバナンスをコントロールします。

データのパターンとインサイトを探索：何百もの価値ある新しい特徴量を自動的に検出、テスト、作成します。

1：データのインポート¶

AIカタログから、接続されたデータソースから直接、またはローカルファイルとして、DataRobotプラットフォームにデータをインポートします。

2：データの探索¶

データをインポートすると、DataRobotは探索的データ解析を実行します。これは、データセットを分析して、主な特徴を要約し、 特徴量変換を自動作成するプロセスであり、その結果はプロジェクトのデータページに表示されます。

EDA1が完了したら、データ品質評価を使って、データセットで表面化した品質の問題を見つけ、対処することができます。

3：データの準備¶

データセットを探索し、改善すべき点を特定したので、次のことができます。

手動特徴量変換を実行します。

Spark SQLを使用してデータを準備します。

特徴量探索プロジェクトでセカンダリーデータセットを追加し、プライマリーデータセットとの関係性を定義します。

次のステップ¶

データが必要な場所に揃ったので、モデリングを始めることができます。