# 予測モデルの構築

> 予測モデルの構築 - 再入院に関するデータセットを使って、データのラングリング、モデルの構築、ノーコードアプリケーションの作成を行う方法を習得します。

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 `2026-07-27T18:44:30.669386+00:00` (UTC).

## Primary page

- [予測モデルの構築](https://docs.datarobot.com/ja/docs/get-started/how-to/build-walk.html.md): Full documentation for this topic (Markdown sidecar).

## Sections on this page

- [ダウンロードするアセット](https://docs.datarobot.com/ja/docs/get-started/how-to/build-walk.html.md#assets-for-download): In-page section heading.
- [1. ユースケースの作成](https://docs.datarobot.com/ja/docs/get-started/how-to/build-walk.html.md#create-a-use-case): In-page section heading.
- [2. データファイルのアップロード](https://docs.datarobot.com/ja/docs/get-started/how-to/build-walk.html.md#upload-data-files): In-page section heading.
- [3. データセットのプレビュー](https://docs.datarobot.com/ja/docs/get-started/how-to/build-walk.html.md#preview-the-datasets): In-page section heading.
- [4. データのラングリング](https://docs.datarobot.com/ja/docs/get-started/how-to/build-walk.html.md#wrangle-data): In-page section heading.
- [5. レシピの構築](https://docs.datarobot.com/ja/docs/get-started/how-to/build-walk.html.md#build-a-recipe): In-page section heading.
- [6. 新しい特徴量を計算](https://docs.datarobot.com/ja/docs/get-started/how-to/build-walk.html.md#compute-a-new-feature): In-page section heading.
- [7. パブリッシュの準備](https://docs.datarobot.com/ja/docs/get-started/how-to/build-walk.html.md#prepare-for-publishing): In-page section heading.
- [8. 新しいデータセットを探索](https://docs.datarobot.com/ja/docs/get-started/how-to/build-walk.html.md#explore-the-new-dataset): In-page section heading.
- [9. エクスペリメントの作成](https://docs.datarobot.com/ja/docs/get-started/how-to/build-walk.html.md#create-an-experiment): In-page section heading.
- [10. オプション設定の適用](https://docs.datarobot.com/ja/docs/get-started/how-to/build-walk.html.md#apply-optional-settings): In-page section heading.
- [11. モデリングの開始](https://docs.datarobot.com/ja/docs/get-started/how-to/build-walk.html.md#start-modeling): In-page section heading.
- [12. モデリングパイプラインの表示](https://docs.datarobot.com/ja/docs/get-started/how-to/build-walk.html.md#view-the-modeling-pipeline): In-page section heading.
- [次のステップ](https://docs.datarobot.com/ja/docs/get-started/how-to/build-walk.html.md#next-steps): In-page section heading.

## Documentation content

この基本ステップでは、DataRobotを使って再入院リスクのある患者を特定し、再入院率の低減、および最大限のケアと最小限のコストを実現する方法を説明します。
ユースケースの詳細については [こちら](https://docs.datarobot.com/ja/docs/get-started/how-to/biz-accelerators/readmit.html.md) を参照してください。また、 [YouTube](https://www.youtube.com/watch?v=X7Gsfjz8s2w&t=12s) で動画版もご覧いただけます。

## ダウンロードするアセット

この基本ステップを実行するには、以下のリンクから2つのデータセットをダウンロードしてください。

[トレーニングデータをダウンロード](https://s3.amazonaws.com/datarobot-doc-assets/10k_diabetes.csv) [スコアリングコードをダウンロードする](https://s3.amazonaws.com/datarobot-doc-assets/10k_diabetes_scoring.csv)

### 1. ユースケースの作成

DataRobotのユースケースは、ワークベンチのエクスペリメントフローの一部であるオブジェクトをグループ化したコンテナです。これには、データセット、モデル、エクスペリメント、ノーコードAIアプリ、ノートブックを含めることができます。
ユースケースを作成するには：

1. DataRobotのインターフェースを開き、ワークベンチをクリックします。
2. ユースケースの作成をクリックします。
3. ユースケースフィールドで、ユースケースにわかりやすい名前を付けます。

ユースケースが作成されたので、 [上記](https://docs.datarobot.com/ja/docs/get-started/how-to/build-walk.html.md#assets-for-download--assets-for-download-) リンク先のファイルからデータをアップロードすることができます。

### 2. データファイルのアップロード

1. 開いているユースケースで、予測AIボックスを見つけ、データをクリックします。
2. ファイルをアップロードをクリックします。
3. 前にダウンロードしたトレーニングデータセットファイルをアップロードし、ユースケースへの登録が完了するまで待ちます。

### 3. データセットのプレビュー

ユースケース内のすべてのファイルは、 データアセット タブに含まれています。
それらを表示するには、開いているユースケースから データアセット をクリックします。

データセットをクリックすると、そのデータセットの特徴量の構造と値を確認できます。 この例では、 `10k_diabetes.csv` を選択します。

詳しくはこちら： [データの操作](https://docs.datarobot.com/ja/docs/api/reference/sdk/data-registry.html.md#preview-a-dataset)

### 4. データのラングリング

データのアクション > ラングラーで開く をクリックして、データソースからランダムなデータサンプルをプルし、変換操作を開始します。

詳しくはこちら： [データのラングリング](https://docs.datarobot.com/ja/docs/workbench/nxt-workbench/dataprep/wrangle-data/index.html.md)

### 5. レシピの構築

操作の追加 をクリックして、ラングリングの「レシピ」を構築します。
新しい操作を行うたびに、ライブサンプルが更新され、変換が反映されます。
トレーニングデータセットをラングリングする場合は、同じ列が存在するように、スコアリングデータセットに同じ操作を適用する必要があることに注意してください。

詳しくはこちら： [操作の追加](https://docs.datarobot.com/ja/docs/workbench/nxt-workbench/dataprep/wrangle-data/build-recipe/add-operation.html.md#add-operations)

### 6. 新しい特徴量を計算

レシピパネルには、実行可能なさまざまなラングリング操作が一覧表示されます。 新しい特徴量を計算 をクリックすると、データセットの既存の特徴量から新しい出力特徴量（ビジネス上の問題をより適切に表すもの）を作成できます。

新しい特徴量を計算 ウィンドウでは、新しい特徴量を定義する関数とサブクエリーを追加します。
以下に示された名前と式を入力し、完了したら レシピに追加 をクリックします。
この変換では、年齢範囲が1つの整数になります。

新しい特徴量名： `convert_age_range_to_integer`

式： ``CAST(regexp_extract(`age`, '\\[([0-9]+)', 1) AS INT )``

詳しくはこちら： [新しい特徴量を計算](https://docs.datarobot.com/ja/docs/workbench/nxt-workbench/dataprep/wrangle-data/build-recipe/add-operation.html.md#compute-a-new-feature)

### 7. パブリッシュの準備

操作の追加が完了したら、ライブサンプルを評価し、適用された操作がパブリッシュできる状態になっていることを確認します。
出力データセットの最終的なパブリッシュ設定を行うには、 レシピのアクション > パブリッシュ をクリックします。

最終的な出力データセットの条件（名前や、有効な場合は自動ダウンサンプリングの仕様など）を設定します。 パブリッシュ をクリックすると、レシピがソースに適用され、新しい出力データセットが作成されてデータレジストリに登録され、ユースケースに追加されます。

詳しくはこちら： [レシピのパブリッシュ](https://docs.datarobot.com/ja/docs/workbench/nxt-workbench/dataprep/wrangle-data/pub-recipe.html.md)

### 8. 新しいデータセットを探索

変換され、パブリッシュされたデータセット（ラングリングのタイムスタンプで識別可能）が、ユースケースの データアセット タブに追加されました。
データセットをクリックすると、ラングリングされた新しい特徴量を含む最終的な特徴量セットを確認し、特徴量のインサイトを探索することができます。

データセットに更なる修正が必要な場合は、そのままラングリングを続けることができます。
そうでなければ、新しい出力データセットから、 データのアクション > モデリングを開始 をクリックして、新しいエクスペリメントを設定します。

詳しくはこちら： [データのインサイトを表示](https://docs.datarobot.com/ja/docs/workbench/nxt-workbench/dataprep/explore-data/index.html.md#explore-data)

### 9. エクスペリメントの作成

DataRobotでデータセットを準備したら、そのデータを使用して新しいエクスペリメントを作成できます。
まず、 学習タイプ ドロップダウンを使用して、実行したいエクスペリメントのタイプ（ 教師あり または 教師なし ）を選択します（各学習タイプの詳細については、 [予測エクスペリメントのドキュメント](https://docs.datarobot.com/ja/docs/workbench/nxt-workbench/experiments/create-experiments/create-predictive/index.html.md) を参照してください）。

この例では、 教師あり を選択します。

次に、 ターゲット特徴量 フィールドを使って、データセットのどの列に対して予測を行うかを指定します。
このユースケースでは、 `Readmitted` という名前を入力します。

ターゲット特徴量の分布がヒストグラムで示され、右側のパネルにエクスペリメント設定の概要が表示されます。
表示された特徴量のリストには、選択した特徴量セットが反映されています。
各特徴量については、 [特徴量セットのドキュメント](https://docs.datarobot.com/ja/docs/workbench/nxt-workbench/experiments/create-experiments/create-predictive/ml-adv-experiment.html.md#feature-list) で詳しく説明されています。

詳しくはこちら： [ターゲットを選択](https://docs.datarobot.com/ja/docs/workbench/nxt-workbench/experiments/create-experiments/create-predictive/ml-adv-experiment.html.md#select-target)

### 10. オプション設定の適用

次へ をクリックして、エクスペリメントをさらに詳細に設定します。

DataRobotでは、データに基づいてデフォルトのパーティショニングと検定が設定されます。しかし、エクスペリメントのパラメーターを変更することで、ユースケースを繰り返し試行できます。
右側のパネルに表示されたエクスペリメントのサマリー情報を確認し、 モデリングを開始 をクリックしてオートパイロットを起動します。

詳しくはこちら： [設定をカスタマイズ](https://docs.datarobot.com/ja/docs/workbench/nxt-workbench/experiments/create-experiments/create-predictive/ml-adv-experiment.html.md#customize-advanced-settings)

### 11. モデリングの開始

モデリングを開始すると、ワークベンチはモデルのリーダーボードの構築を開始します。

最終的に、DataRobotは最も精度の高いモデルを選択して再トレーニングし、「デプロイの準備済み」とマークします。
モデルの構築を進めながら、完成したモデルをクリックし、モデル評価のために利用できるインサイトを確認します。
各モデルのランディングページでは、そのモデルで取得可能なインサイトを表示した概要が提供されますが、これはエクスペリメントのタイプによって異なります。

特徴量のインパクト をクリック（求められた場合は 計算 もクリックします）することで、どの特徴量がモデルの決定を促しているかを視覚化できます。

詳しくはこちら： [エクスペリメントの評価](https://docs.datarobot.com/ja/docs/workbench/nxt-workbench/experiments/experiment-insights/index.html.md)

### 12. モデリングパイプラインの表示

選択したモデルで 詳細 タブをクリックし、 ブループリント を選択します。
これにより、モデルの構築に必要な前処理と後処理の手順を確認できます。

詳しくはこちら： [ブループリント](https://docs.datarobot.com/ja/docs/workbench/nxt-workbench/experiments/experiment-insights/model-blueprint.html.md)

### 次のステップ

確認が終わったら、次のことができます。

**リーダーボードから操作する:**
モデルアクション から、モデルのさまざまな次のステップにアクセスできます。

[https://docs.datarobot.com/ja/docs/images/qs-model-actions.png](https://docs.datarobot.com/ja/docs/images/qs-model-actions.png)

アクション
説明
続けて読む
モデルの登録
バージョン管理されたデプロイ可能なモデルパッケージを作成します。
How-to：運用とガバナンスの基本ステップ
予測の作成
新規データ、登録データ、またはトレーニングデータに対して1回限りの予測を行い、リーダーボードモデルを検定します。
ワークベンチから予測を行う
ノーコードアプリを作成
ノーコードAIアプリのテンプレートを使用して、アプリケーションを構築します。このアプリケーションによってDataRobotのコアサービスを利用できます。また、DataRobotのライセンスを持っているかどうかにかかわらず、他のユーザーとアプリケーションを共有できます。
アプリケーションの作成
モデルを削除
選択したモデルをユースケース（および関連するリーダーボード）から完全に削除します。
N/A

**運用とガバナンスの基本ステップを試す:**
[運用とガバナンスの基本ステップ](https://docs.datarobot.com/ja/docs/get-started/how-to/production-walk.html.md) で、デプロイされたモデルを登録し、監視します。