Skip to content

アプリケーション内で をクリックすると、お使いのDataRobotバージョンに関する全プラットフォームドキュメントにアクセスできます。

評価

評価タブには、モデルの有効性の判断および解釈に必要とされる主なプロットと統計が表示されます。

「リーダーボード」タブ 説明 ソース
位置ごとの精度 個々のモデル内の空間残差マッピングが表示されます。 検定、交差検定、ホールドアウト(選択可能)
時系列の精度 時間経過に伴う予測がどのように変化するかを視覚化します。 各バックテストおよびホールドアウト分割に対して個別に計算され、UIで表示できます。プロットは、検定データおよびトレーニングデータの両方で計算できます。
高度なチューニング 時間経過に伴う予測がどのように変化するかを視覚化します。 内部グリッド検索セット
異常評価 選択したバックテストのデータがプロットされ、最大500の異常ポイントのSHAPの説明が表示されます。 各バックテストおよびホールドアウト分割に対して個別に計算され、UIで表示できます。プロットは、検定データおよびトレーニングデータの両方で計算できます。
時間経過に伴う異常 データのタイムライン全体で異常がどのように発生するかをプロットします。 各バックテストおよびホールドアウト分割に対して個別に計算され、UIで表示できます。プロットは、検定データおよびトレーニングデータの両方で計算できます。
多クラスプロジェクトの混同行列 多クラスプロジェクトの実際のデータ値を予測データ値と比較します。 検定、交差検定、またはホールドアウト(選択可能)。二値分類プロジェクトの場合、ROC曲線タブで混同行列を使用します。
特徴量ごとの予実 モデルに依存しない有用性の順にランク付けされた特徴量の詳細を提供します。 v5.0以前はトレーニングデータ; v5.0以降はトレーニング、検定、ホールドアウト(選択可能)
予測距離ごとの精度 プロジェクトの予測ウィンドウの各予測距離でのモデルの予測精度を視覚的に表示します。 各バックテストおよびホールドアウト分割に対して個別に計算されます。各分割の検定サブセットだけがスコアリングされます。検定の予測は予測距離でフィルタされ、指標はフィルターされた予測で計算されます。UI/APIからは個々のバックテストにアクセスできませんが、検定(バックテスト0 = 最新のバックテスト)、バックテスト(すべてのバックテストにわたる平均)、およびホールドアウトにアクセスできます。
予測値と実測値の比較 さまざまな予測ポイントからさまざまな予測がどのように動作するかを将来のさまざまな時間で比較できます。 各バックテストおよびホールドアウト分割に対して個別に計算され、UIで表示できます。プロットは、検定データおよびトレーニングデータの両方で計算できます。
リフトチャート モデルがターゲットの母集団をどの程度うまく分割しているか、そしてターゲットを予測することができるかを示します。 検定、交差検定、ホールドアウト(選択可能)
残差 連続値モデルの予測パフォーマンスと妥当性を明確に視覚化します。 検定、交差検定、ホールドアウト(選択可能)
ROC 曲線 確率スケール上のいずれかのポイントにおいて選択されたモデルに関する分類、パフォーマンス、および統計を参照する際に役立ちます。 検定データ
系列のインサイト 系列固有の情報を提供します。 各バックテストおよびホールドアウト分割に対して個別に計算されます。各分割の検定サブセットだけがスコアリングされます。検定の予測は予測距離でフィルタされ、指標はフィルターされた予測で計算されます。UI/APIからは個々のバックテストにアクセスできませんが、検定(バックテスト0 = 最新のバックテスト)、バックテスト(すべてのバックテストにわたる平均)、およびホールドアウトにアクセスできます。
安定性 さまざまなバックテストにおけるモデルのパフォーマンスを一目で把握できるサマリーを提供します。 各バックテストおよびホールドアウト分割に対して個別に計算されます。各分割の検定サブセットだけがスコアリングされます。
トレーニングダッシュボード Kerasベースのモデルの反復ごとのトレーニングアクティビティに関する理解を提供します。 トレーニング、ただし、トレーニングデータの内部ホールドアウトで検証済み

更新しました February 22, 2022
Back to top