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。


DataRobotは、前および後処理(モデリング)ステップの包括的なライブラリをサポートしており、これらを組み合わせてモデルのブループリントを構成します。 モデルリポジトリで実行されるもの、利用できるものは、データセットによって異なります。 前処理と後処理のステップを包括的に組み合わせることで、DataRobotは、最適なモデリングオプションのリーダーボードを自信を持って作成できます。 モデリングの柔軟性の例としては、プリプロセッサーとしてPCAを使用する、あるいは使用しないロジスティック回帰や、交互作用項の貪欲探索を行う、あるいは行わないランダムフォレストなどがあります。

つまり、以下のリストのすべてのモデルについて、DataRobotが2〜5回実行され、それぞれ異なる前処理や変数の選択が行われます。 関連するアルゴリズムを以下のセクションに一覧表示します。



  • Buhlman credibility estimates for high cardinality features
  • Categorical embedding
  • Category count
  • One-hot encoding
  • Ordinal encoding of categorical variables
  • Univariate credibility estimates with L2
  • Efficient, sparse one-hot encoding for extremely high cardinality categorical variables


  • Binning of numerical variables
  • Constant splines
  • Missing values imputed
  • Numeric data cleansing
  • Partial Principal Components Analysis
  • Truncated Singular Values Decomposition
  • Normalizer


  • Geospatial Location Converter
  • Spatial Neighborhood Featurizer


  • Greyscale Downscaled Image Featurizer
  • No Post Processing
  • OpenCV detect largest rectangle
  • OpenCV image featurizer
  • Pre-trained multi-level global average pooling image featurizer


  • Character / word n-grams
  • Pretrained byte-pair encoders (best of both words for char-grams and n-grams)
  • Stopword removal
  • TF-IDF scaling (optional sublinear scaling and binormal separation scaling)
  • Hashing vectorizers for big data
  • Cosine similarity between pairs of text columns (on datasets with 2+ text columns)
  • Support for all languages, including English, Japanese, Chinese, Korean, French, Spanish, Chinese, Portuguese, Arabic, Ukrainian, Klingon, Elvish, Esperanto, etc.
  • Unsupervised Fasttext models
  • Linear n-gram models (character/word n-grams + TF-IDF + penalized linear/logistic regression)
  • SVD n-gram models (n-grams + TF-IDF + SVD)
  • Naive Bayes weighted SVM
  • TinyBERT / Roberta / MiniLM embedding models
  • Text CNNs


  • NA imputation (methods for missing at random and missing not at random), standardization, ridit transform
  • Search for best transformations
  • Efficient, sparse one-hot encoding for extremely high cardinality categorical variables



  • Penalty: L1 (Lasso), L2 (Ridge), ElasticNet, None (Logistic Regression)
  • Distributions: Binomial, Gaussian, Poisson, Tweedie, Gamma, Huber
  • Special Cases: 2-stage model (Binomial + Gaussian) for zero-inflated regression

Support Vector Machines

  • Penalty: L1 (Lasso), L2 (Ridge), ElasticNet, None
  • Kernel: Linear, Nyström RFB, RBF
  • liblinear and libsvm


  • GAM
  • GA2M


  • Decision Tree (or CART)
  • Random Forest
  • ExtraTrees (or Extremely Randomized Forests)
  • Gradient Boosted Trees (or GBM— Binomial, Gaussian, Poisson, Tweedie, Gamma, Huber)
  • Extreme Gradient Boosted Trees (or XGBoost— Binomial, Gaussian, Poisson)
  • LightGBM
  • AdaBoost
  • RuleFit


  • Keras MLPs with residual connections, adaptive learning rates and adaptive batch sizes
  • Keras self-normalizing MLPs with residual connections
  • Keras neural architecture search MLPs using hyperband
  • DeepCTR
    • Neural Factorization Machines
    • AutoInt
    • Cross Networks
  • Pretrained CNNs for images using foundational models (especially EfficientNet)
    • Manually pruned and optimized for faster inference
  • Pretrained + fine-tuned CNNs for images
  • Image augmentation
  • Pretrained TinyBERT models for text
  • Keras Text CNNs
  • Fastext models for text


  • LSTMs
  • DeepAR models
  • AutoArima
  • ETS, aka exponential smoothing
  • Prophet



  • Isolation Forest
  • Local Outlier Factor
  • One Class SVM
  • Double Median Absolute Deviation
  • Mahalanobis Distance
  • Anomaly Detection Blenders
  • Keras Deep Autoencoder
  • Keras Deep Variational Autoencoder


  • Kmeans
  • HDBSca


  • Eureqa(シンボリック回帰のための独自の遺伝的アルゴリズム)
  • K-Nearest Neighbors(3つの距離)
  • Partial-least squares(アンサンブルに使用)
  • Isotonic Regression(他のモデルの予測の調整に使用)

ブループリントノードをクリックして、モデルドキュメントへのアクセスなどの追加情報を表示します。 Composable MLでは、ビルトインタスクとカスタムPython/Rコードを使用して、ニーズに最適なブループリントを構築します。

更新しました January 23, 2024