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。

ディシジョンインテリジェンスフロー

本機能の提供について

The Decision Intelligence Flows feature is off by default. この機能を有効にする方法については、DataRobotの担当者または管理者にお問い合わせください。

機能フラグ:Decision Opsを有効化し、Decisions MLOpsインテグレーションを有効化する

現在、パブリックプレビューで使用できるディシジョンインテリジェンスフローには、一連の複雑なルールとビジネスロジックを用いて予測結果を後処理する機能があり、意思決定を迅速化し、全体的なビジネスパフォーマンスを改善します。

The decision flow editor, accessed from the Decisions tab, allows you to combine known and fixed business rules with the post-process prediction scores of one or more deployments to output a single decision. DataRobot then tests the end-to-end flow while preparing a CSV with the decisions. After a successful test, deploy a decision flow to continuously generate decisions, as well as monitor the service health and activity.

以下の例では、10K Lending Club Loansデータセット(ターゲット:is_bad)のディシジョンインテリジェンスフローを作成して、融資申請を受理または拒否します。

決定タブ

DataRobotの最上部にある決定タブでは、新しい意思決定フローを作成して、既存の意思決定フローを管理できます。

要素 説明
意思決定フローを作成ボタン 新しい意思決定フローを作成します。
意思決定フロー 自分が所有し、共有する意思決定フローを一覧表示します。
アクションメニュー アクションメニューから、以下の操作が可能です。
  • 編集:意思決定フローを編集します。
  • 複製:意思決定フローのコピーを作成します。
  • 共有:ユーザー、グループ、または組織と意思決定フローを共有します。 共有すると、メール通知が受信者に送信されます。
  • 削除:意思決定フローを削除します。

意思決定フローを作成する

意思決定ダッシュボードとフローエディターを開くには、決定タブをクリックします。 意思決定フローを作成する前に、少なくとも1つのデータセットがローカルまたはAIカタログに保存され、本番モデルがデプロイされていることを確認してください。

  1. 意思決定フローを作成をクリックします。

  2. 全般的な情報に名前と説明(任意)を記入します。

  3. 意思決定フロータブをクリックして、意思決定フローの構築を開始します。 すべての意思決定フローは、(1) 入力データノードと(2) 意思決定出力ノードから始まります。

  4. 開始するには、入力データノードを選択し、入力データを選択アイコンをクリックして、データセットを追加します。 コンピューターまたはAIカタログからトレーニングデータセットを追加します。

  5. そして、デプロイを追加して、モデル予測をフローに組み込みます。 入力データノードがまだ選択されている場合は、追加アイコンをクリックして、デプロイを選択します。

  6. リストからデプロイ済みモデルを選択し、デプロイを追加をクリックします。 予測列名がトレーニングデータセットの既存の特徴量に一致している場合、フィールドに一意の名前を入力する必要があります。

ノードを設定する

ディシジョンインテリジェンスフローは、データと対話し、ロジックを適用できるさまざまなノードから構成されています。 次の表は、各ノードタイプの説明を示しています。

ノードタイプ 説明
入力データ コンピューターまたはAIカタログからトレーニングデータセットを追加します。
デプロイ Creates a new feature from the predictions of a deployed model. Returns model predictions as a new feature. You can add up to five deployment nodes.
変換 特徴量の変換を使用して数値特徴量を作成します。
ルール 一連のif/thenステートメントを使用してカテゴリー特徴量を作成します。
分割 その値に基づいて特徴量を複数のブランチに分割します。
決定 意思決定フローの結果を定義します。

意思決定フローにノードを追加するには、近接ノードが選択されていることを確認し、ノードを表示する側の追加アイコンをクリックします。 その後、ドロップダウンメニューからノードを選択します。

備考

ロジックノードを使用するには、入力データノードのデータセットを選択する必要があります。

ノードを変換する

変換ノードでは、トレーニングデータセットで特徴量を変換することによって、ロジックレイヤーを追加できます。

上記の例では、債務返済負担率(annual debt)に年収(dti)を掛けたと呼ばれる新しい特徴量を作成して、annual_inc各融資申請の債務の金額を計算します。

特徴量のオーバーライド

変換ノードを使用すると、入力データセットの特徴量または意思決定フローで導入された特徴量をオーバーライドできます。つまり、出力データセットには同じ名前の特徴量がありますが、値は異なります。

To override an existing feature, you must enter the feature name exactly as it appears in the dataset or decision flow, otherwise, the node will create a new column. After entering the name of the feature you want to override under Transformed feature name—a warning that the feature by that name already exists and will be overwritten appears. You can only override features of the same type (e.g., categorical, numeric, etc.).

上記の例は、数値特徴量annual_income{annual_income}+10000として再定義しているため、この特徴量が後続のノードで使用されると、特徴量値は10000だけ増加します。

ルールノード

ルールノードでは、if/then条件に基づいてデータをグループ化して、それらのグループに値を割り当てることにより、カテゴリー特徴量を作成します。 ルールノードは順序に依存します。DataRobotは最初のルールから始めて、基準に一致するデータを探し、それに定義された出力値を割り当て、後続のすべてのルールに対してこのプロセスを続行します。 ルールに一致しないデータをグループ化して、値を割り当てるか、空のままにすることができます。

if/thenルールを追加するには、ダイアログ下部にあるルールを追加をクリックします。 出力特徴量名の下で特徴量の名前も定義できます。

上記の例では、モデルの予測(loan_default_predictions)と申請者の債務(annual_debt)(融資の受理または拒否の決定に影響する2つの要素)に基づいて融資をグループ化する、loan_gradeと呼ばれる新しいカテゴリー特徴量を作成します。 ルール1は、Aloan_default_predictions未満、0.1annual_debt未満の申請者に値を100000割り当てます。 ルール2は、Bloan_default_predictions0.10.3annual_debt100000の申請者に値500000を割り当てます。

ルールの並べ替え

if/thenルールを並べ替えるには:

  1. 移動するルールにカーソルを合わせます。左側に青い線が表示されます。

  2. ルールを目的の場所にドラッグアンドドロップします。

  3. 保存をクリックします。

残りの値を定義する

上記のルールで対象にされていないセルの値の下に値を入力することにより、elseロジックを使用してルールの基準を満たさない残りの値をすべてグループ化できます。 DataRobotは、残りのデータに値を割り当てる前に、各if/thenルールを実行することに注意してください。

上記の例では、ルール1とルール2で定義された基準を満たさない値には、出力値Cが割り当てられます。

ノードを分割する

分割ノードでは、特徴量値に基づいて選択された特徴量を複数のブランチに分割して、値ごとに異なるアクションを取ることができます。

ブランチを作成する方法は2つあります。

  • ブランチに事前入力をクリックして、各特徴量値のブランチを自動的に作成します。 このオプションは、カテゴリー特徴量でのみ使用できます。
  • ブランチを追加をクリックして、ブランチを手動で追加します。

残りの値は、自分のブランチにグループ化されます。

備考

ビンは特徴量値自体でしか分割されないため、数値特徴量は、カテゴリー特徴量としてビニングされることが多いです。 ルールを使用してカテゴリー特徴量を作成し、結果として得られるノードを分割します。

この例では、loan_gradeが3つのブランチに分割され、ルールノードで定義される各グレード(ABおよびC)用の1つのブランチ、残りの値(D)用の追加ブランチに分割されます。 グループCおよびD内の融資がリスキーであるとみなされた場合、グループAまたはBに該当する融資申請者を受理し、これらのカテゴリーに該当する融資申請者を拒否できます。

ディシジョンノード

The Decision node allows you to define an output value (i.e., decision) for one or more nodes in the decision flow. After adding a decision node, select the appropriate decision type—Categorical or Numeric—for your use case. Use the tabs below to finish configuring a decision node for the selected type.

ディシジョンノードウィンドウで、 すべての意思決定のタイプ ドロップダウンからカテゴリーを選択します。 次の表は、カテゴリーディシジョンにおける使用可能な設定オプションを示しています。

出力タイプ 出力値
静的な値 ユーザー定義の値(AcceptRejectなど)。
ルールセット 意思決定フローで、既存のルールノードで定義されたルールセット特徴量。

以下の例では、グループAおよびBの融資が債務不履行となる可能性は低いため、ディシジョンAcceptが割り当てられます。 グループCおよびDの融資は債務不履行の可能性が高いため、ディシジョンRejectが割り当てられます。

ディシジョンノードウィンドウで、 すべての意思決定のタイプ ドロップダウンから数値を選択します。 次の表は、数値ディシジョンで使用可能な設定オプションを示しています。

出力タイプ 出力値
静的な値 ユーザー定義の値(-1、0など)。
数値特徴量 意思決定フローまたは元のデータセットから作成された数値特徴量。

以下の例では、数値ディシジョンノードが出力タイプを 数値特徴量 として、出力値をannual_debtとして定義します。

ディシジョンフローを実行すると、各申請者に対してannual_debtが計算された出力が生成されます。

備考

DataRobotは、フローあたり1つのディシジョンタイプをサポートしています。 たとえば、カテゴリー出力でディシジョンノードを追加し、数値出力で別のディシディシジョンノードを追加すると、すべてのカテゴリーノードがリセットされます。

フローを保存してテストする

After configuring a decision flow, click Save in the upper-right corner. Click the now active Test button in the upper-left corner; DataRobot tests the end-to-end decision flow, starting with the training dataset and ending with the decision.

注意

保存せずにページを離れると、進捗が失われます。

テストが成功すると、各ノードの横に緑色のチェックマークが表示されます。 チェックマークにカーソルを合わせると、そのノードで処理された行の数が表示されます。 テストが完了したら、意思決定をダウンロードをクリックして結果のCSVをダウンロードします。このCSVには、ディシジョンおよび意思決定フローに対して作成された特徴量(loan_gradeannual_debtなど)用の列が含まれています。

新しいデータをスコアリングするには、意思決定を行うタブに移動し、ファイルを選択をクリックしてコンピューターまたはAIカタログからファイルを選択するか、意思決定のソースボックスにファイルをドラッグアンドドロップします。

意思決定フローをデプロイする

意思決定フローでテストが成功した後、デプロイボタンがアクティブ化され、ディシジョンをデプロイできます。 デプロイ > ディシジョンにはすべてのデプロイ済み意思決定フローが一覧表示され、ディシジョンAPIにアクセスし、着信データを継続的にスコアリングしつつサービスの正常性を監視できます。

  1. 意思決定フロータブで、デプロイをクリックします。

  2. Review the deployment name and prediction environment, then click Deploy. For lower latency, it's recommended to use the same prediction environment as the deployment nodes in your decision flow.

  3. 意思決定フローのデプロイに成功すると、デプロイを表示をクリックします。 これにより、デプロイ > 意思決定タブに概要が表示されます。


更新しました December 21, 2022
Back to top