時系列予測¶

時系列モデリングの操作に関する追加の考慮事項を参照してください 。

次のセクションで説明するように、予測を行う前にモデルを準備します。

最終モデルについて¶

元の（「最終的な」）モデルはホールドアウトデータなしでトレーニングされているので、最新のデータが含まれません。 これは最初のバックテストを表します。 したがって、予測は、インサイト、係数、およびモデルの評価に役立つタブに表示されるその他のデータに一致します。 （これは、新しいトレーニング期間ダイアログの最終モデルをクリックし、データモデルで使用されるデータを表示することによって確認できます。） より最新のデータを使用する場合は、開始日と終了日を使用してモデルを再トレーニングします。

デプロイ前の再トレーニング¶

モデルを選択してホールドアウトのロックを解除した後、（ハイパーパラメーターが固定された状態であっても）予測の精度を確認するためにモデルを再トレーニングすることができます。 元のデータはホールドアウトデータを使用せずにトレーニングされているので、最新のデータが含まれていません。 これは、新しいトレーニング期間ダイアログの最終モデルをクリックし、データモデルで使用されるデータを表示することによって確認できます。

モデルを再トレーニングするには、次の手順を実行します。

1. リーダーボードで、プラス記号（+）をクリックして新しいトレーニング期間ダイアログを開き、トレーニング期間を変更します。

2. 最終モデルを表示して、モデルが最新のデータでトレーニングされていることを確認します。

3. スライダーをクリックして、フローズン実行を有効にします。

4. 開始/終了日を選択して、再トレーニングに使用する（ホールドアウトデータの日付を含む）データの日付を入力します。 「+1」の手法を使用することを忘れないでください（指定する最後の日付の翌日の日付を入力します）。

モデルの再トレーニング¶

最新のデータでモデルを再トレーニング*すると、モデルはサンプル外予測を行わなくなります（リーダーボードインサイトの多くがサンプル外予測に基づいています）。 したがって、最新のデータでトレーニングされた子（推奨および再構築）モデルには、再トレーニングしたモデルをスコアリングする追加サンプルがありません。 インサイトはDataRobotの推奨を理解したり、モデルパフォーマンス分析を進めたりする上で、主要なコンポーネントなので、親（元の）モデルのインサイトが子（固定）モデルにリンクされます。

* この状況は、モデルがホールドアウトに対してトレーニングされた場合でも発生することがあります（「スリム実行」モデルにもスタックされた予測がありません）。

影響を受けるインサイトを以下に示します。

• ROC曲線
• リフトチャート
• 混同行列
• 安定性
• 予測の精度
• 系列のインサイト
• 時系列の精度
• 特徴量ごとの作用

「予測を作成」タブ¶

時系列モデルを使用して予測を行う方法は次の2通りあります。

1. リーダーボードから予測を作成タブを使用する（1GB未満の予測データセットの場合）。 その方法を以下に示します。

2. モデルをデプロイして、バッチ予測機能（デプロイ > 予測から入手可能）を使用する（1GBから5GBの予測データセットの場合）。

リーダーボードの予測を作成タブの動作は、従来のモデリングとは少し異なります。 以下のセクションでは、時系列での 予測を作成 の使用について簡単に説明します。詳細については、予測を作成タブの詳細を参照してください。

この予測を作成タブは、予測データセットで必要な最近のデータの量（特徴量派生および予測ポイントウィンドウの設定方法に応じて時間単位または行）を特定し、予測行とKAをレビューするのに有用なサマリーを提供します。 KAとして表示される特徴量のセットには、現在のモデルを構築するために使用された特徴量セットの一部である、KA特徴量だけが含まれます。 予測設定 タブには、設定の変更や自動生成された予測ファイルテンプレートへのアクセスに役立つ予測データセットの概要が表示されます。

この例では、予測データセットには、少なくとも42日分の履歴データが必要で、最大7行の予測が可能です。 これは、モデルが予測ポイントの35日前に設定されていたにもかかわらず、7日の差分を使っているため、必要な履歴に7日が追加されるためです。 一般に、Historical rows = FDW size + seasonalityであり、seasonalityは検出された最長の周期性です。 トレーニングに必要な行はHistorical rows = FDW size + seasonality + FW sizeとして計算されます。

以下に、時系列モデリングで予測を行うための概要を示します。

1. 予測するモデルを選択した後、ホールドアウトのロックを解除し、モデルを再トレーニングするよう求めるメッセージが表示されます（この操作をまだ行っていない場合）。 モデルで最近のデータが使用されるよう、この手順を完了することを推奨しますが、必須ではありません。

   

2. 予測データセットを準備しアップロードする。 予測に必要な予測行を含む予測可能なデータセットをアップロードするか、DataRobotで予測ファイルテンプレートを作成します。

3. （オプション）予測ポイント（予測を開始する日付）をDataRobotのデフォルトから変更します。

4. 予測を計算します。

予測可能なデータセットの作成¶

予測データセットを手動で作成する場合は、提供されているサマリーを使用して、必要な履歴行の数を指定します。 （オプション）予測設定を開いて予測ポイントを変更し、新しい予測ポイントの履歴行の要件が予測データセットで満たされていることを確認してください。必要に応じてをクリックします。 CSVファイルの必要な形式について視覚表現については、データセットの例を参照してください。

以下の例では、7～9行目の（「予測行」）のターゲット値と非KA値を空白のままにします。これらの行には、予測計算時にDataRobotによって予測値が入力されます。

予測データセットが適切な形式であれば、 データのインポート元 をクリックして、データセットをDataRobotにアップロードします。 次に、予測を計算します。

予測ファイルテンプレート¶

予測ポイントの設定で、追加の予測行を元の予測データセットに追加する必要がある場合、DataRobotは必要な行を追加するテンプレートファイルを自動的に生成します。 自動生成された予測テンプレートをそのまま使用するか、ダウンロードして、予測を作成します。 テンプレートを作成するには、データのインポート元 をクリックして選択し、目的のデータセットをアップロードします。 DataRobotは、デフォルトの予測ポイントの後にターゲット値を含まない（空の予測行がない）行が見つからないために予測行になる可能性がある場合、テンプレートを生成します。

たとえば、予測ウィンドウが+5 ... +6で、デフォルトの予測ポイントがt0であるとします。 ポイントt5とt6は欠損していますが、t1とtは存在しています。 この場合、デフォルトの予測ポイントの後にt5またはt6を満たす予測行が見つからなかったため、DataRobotは拡張ファイルを生成します。

DataRobotがテンプレートを生成するには、次の条件を満たす必要があります。

• サポートする予測行がない（予測ウィンドウ内にある空のターゲット行）。
• 生成されたテンプレートファイルのサイズが、アップロードファイルの制限に満たない。

テンプレートをそのまま使用¶

予測行を変更したり、KA特徴量を追加したりする必要がない場合は、テンプレートをそのまま使用してください。 DataRobotは予測ポイントを設定し、プロジェクトの予測ウィンドウ設定を満たすために必要な行数を追加します。

最新のデータを予測ポイントとして使用しており、ギャップがなく、すべての行が必要な場合は、デフォルトの自動拡張を使用します。 この場合、データセットをアップロードして、予測の計算を行います。

テンプレートの変更¶

DataRobotは、予測データセットをアップロードするとすぐに予測ファイルテンプレートを生成します。 ただし、予測の計算を行う前にテンプレートを変更する必要がある場合があります。

• 列をKA特徴量として識別し、予測行に関連情報を入力する必要があります。

• 複数の系列があり、データセット内のすべての系列よりも少ない系列で予測したい場合。 （DataRobotは、データセットの各系列に必要な行数を追加します。）

• 設定に基づいて、DataRobotは追加の行をいくつか生成しますが、より少ない数で予測する必要があります。

テンプレートを変更するには：

1. 予測設定（予測ポイント予測タブ）をクリックし、高度なオプションリンクを展開して、自動生成された予測ファイルテンプレートをダウンロードします。

   

2. テンプレートを開き、必要な情報を新しい予測行に追加するか、予測を遅らせるだけの場合は不要な行を削除します。

3. 変更したテンプレートを保存し、データのインポート元を使用してDataRobotにアップロードします。

4. （オプション）予測ポイントをデフォルト以外の値に設定します。

5. 予測を計算します。

予測の設定¶

DataRobotは、予測のベースとなるデフォルトの予測ポイント（1）を選択します。 デフォルトでは、予測ポイントは、特徴量派生ウィンドウ内の時間履歴の使用を最大化する最新の有効なタイムスタンプです。 ただし、デフォルト設定を次のように変更できます。

• 予測を開始する特定の日付（予測ポイント）を設定する、カスタマイズされた 予測ポイント予測。
• 選択した日付範囲内の予測距離の範囲を設定する 予測範囲。

予測設定モデル（2）を使用して、デフォルト設定以外の日付設定を設定します。

予測ポイント予測¶

予測ポイント予測を使用して、予測を開始したい特定の日付（予測ポイント）を選択します。 DataRobotはすべての潜在的な予測ポイントを使用してモデルをトレーニングするため、表示されている任意の日付を選択できます。 別の予測ポイントを選択する場合は、データセットに十分な履歴があることを確認してください。 各フィールドの説明については 表を参照してください。

予測範囲予測¶

予測範囲予測を使用して、選択した日付範囲内のすべての予測距離を予測します。 このオプションを使用すると、外部データセットで一括予測が生成されます（データセット内のすべての行の、予測距離予測すべてが含まれます）。 将来の予測を作成するのではなく、モデル検定の結果を使用します。

予測範囲予測は、モデルの精度を検証するのに役立ちます。 DataRobotは、データセットからすべてのポイントの実測値を抽出します。 予測の開始日と終了日を設定して、一括予測を行う期間の履歴範囲を定義します。 このモデル評価プロセスでは実測値が使用されるため、DataRobotはすべての予測距離の予測をサポートできるタイムスタンプの予測のみを生成します。 各フィールドの説明については 表を参照してください。

予測設定の定義¶

次の表では、予測ポイントと予測範囲の設定フィールドについて説明します。

予測設定の日付を理解する¶

予測データセットをアップロードすると、DataRobotは予測ポイントとして使用できる日付の範囲（有効な予測範囲）を検出します。 また、デフォルトの予測ポイントも決定します。これは完全な履歴を使用して予測を行うために使用できる最新のタイムスタンプです。

視覚化では、次のタイムスタンプがマークされます。

• データ開始はデータセットで検出された最初の行のタイムスタンプです。
• データ終了は元のテンプレートか自動生成されたテンプレートに関係なく、データセットで検出された最後の行のタイムスタンプです。
• 最大予測距離は、データセット内の可能な最後の予測距離のタイムスタンプです。

予測ポイントを変更する前に、基本的な時系列モデリングフレームワークを確認してください。

いくつかの考慮すべき事項があります。

• 最新の有効な予測ポイントとは 最新の有効な予測ポイントは、エラーなしで予測を実行するために使用できる最大予測ポイントです。 デフォルトの予測ポイントでは、時間履歴の使用が考慮されるため、デフォルトの予測ポイントとは異なる場合があります。

• 予測ウィンドウに基づいて、出力された最後の予測のタイムスタンプとは 予測ウィンドウは、予測ポイントに対して定義されます。最後の予測タイムスタンプは、予測ウィンドウと予測データセット内のタイムスタンプの両方の関数です。

  たとえば、1〜7日間の予測ウィンドウを考えてみましょう。 予測ポイントは2001-01-01ですが、データセットの最大日付は2001-01-05です。この場合、2001-01-06～2001-01-08の行がないため、最大予測タイムスタンプは2001-01-05になります。

• 予測ウィンドウの長さを考慮してください。 つまり、実測値を持つ最後の行の後に、少なくとも1つの予測行（予測ウィンドウの境界内に）があるか ある場合、DataRobotはテンプレートを生成しません。ない場合は、DataRobotはプロジェクト設定に基づいて予測行を生成します。

予測設定 モデルを使用して、予測データセットの概要を取得します。 予測ポイントや予測の開始日と終了日のような設定を選択するのに役立ちます。 さらに、DataRobotは最終行の後に実測値を含む予測行を生成し（デフォルトの予測ポイントに基づく予測行がない場合）、予測ワークフローを簡素化します。実測値は、各系列IDの最後の行から取得され、予測行に複製されたデータです。

予測の計算とアクセス¶

予測ポイントを設定し、データセットを正しい形式で正常にアップロードしたら、予測を計算します。

1. 2つの予測計算方法があります。 次のいずれかをクリックします。

   • 予測設定モーダルにある予測計算ボタン。
   • 予測を作成 ページにある 予測計算 リンク（ 予測設定 リンクの横）。

2. 処理が完了すると、データセットから過去のデータおよび予測をプレビューするか、予測のCSVをダウンロードします。 ダウンロードするには、ダウンロードをクリックして予測にアクセスします。

   

スプレッドシートソフトウェアによっては、予測の出力結果のグラフを作成することができます。 たとえば、サンプルデータで翌日から7日間の販売予測が示されている場合、在庫と人員配置に役立てることができます。

予測プレビュー¶

予測を計算した後、プレビューリンクをクリックして、過去のデータのコンテキスト内での時系列の予測のプロットを表示します。 このプロットは、単一の予測ポイントに相対的な各予測距離の予測を一度に示します。

デフォルトでは、予測間隔（青の網掛け）は予測の80%が含まれる領域を表します。 この間隔は、ターゲットの実測値が含まれると予期される値の範囲です。 これらの範囲は予測の信頼度間隔に似ていますが、モデルのバックテスティング中に測定された残差誤差に基づきます。

以下の条件を満たすチャートには、推定予測間隔が表示されます。

• すべてのバックテストをトレーニングする必要があります。 使用可能なすべての検定行を使用することができるようになり、使用可能な情報に基づいて異なる間隔値を防止できます。

• 予測距離値ごとに少なくとも10のデータポイントが必要です。

上記の条件が満たされない場合、予測値（オレンジのポイント）だけが表示されます。

予測間隔サイズを指定して、間隔範囲に含まれる実測値の確率を指定することが可能です。 値が大きいほど精度は低くなりますが、より控え目になります。 たとえば、80%のデフォルト値では、下位の境界が10%になり、上位の境界が90%になります。 予測間隔を変更するには、オプションリンクをクリックして表示を再計算します。

予測間隔はアウトオブサンプル残差の分位に基づいて計算されるので、対称ではないことがあります。 DataRobotでは系列ごと（該当する場合）および予測距離ごとに個別に計算が行われるので、間隔が距離とともに広がり、各系列に固有の範囲が設定されることがあります。 新しい系列で予測を行う場合、または検定とのオーバーラップのない系列で予測を行う場合、すべての系列にまたがる平均が使用されます。

プレビューグラフ上のポイント（予測ポイントの左）にカーソルを置くと、履歴データの値が表示されます。

予測ポイントの右にカーソルを置くと、予測が表示されます。

複数系列のモデリングで使用した場合、プレビューする系列を選択するオプションが表示されます。 この概要は、個々の系列のターゲット、特徴量、または精度が時系列でどのように変化するかを示し、その系列の予測を提供します。 ドロップダウンから系列を選択します。 または、左向きの矢印ボタンまたは右向きの矢印ボタンを使用して系列のオプションを表示します。 各系列の予測間隔を比較することによって、最も精度の高い予測を提供する系列を識別できます。

プレビュープロット内から予測をダウンロードすることもできます。