# モデリングアルゴリズム

> モデリングアルゴリズム - DataRobotがサポートする教師あり教師なしモデリングアルゴリズムのリストを提供します。

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 `2026-07-15T05:55:45.031499+00:00` (UTC).

## Primary page

- [モデリングアルゴリズム](https://docs.datarobot.com/ja/docs/reference/pred-ai-ref/model-list.html.md): Full documentation for this topic (Markdown sidecar).

## Sections on this page

- [前処理タスク](https://docs.datarobot.com/ja/docs/reference/pred-ai-ref/model-list.html.md#pre-processing): In-page section heading.
- [カテゴリー](https://docs.datarobot.com/ja/docs/reference/pred-ai-ref/model-list.html.md#_1): In-page section heading.
- [数値](https://docs.datarobot.com/ja/docs/reference/pred-ai-ref/model-list.html.md#_2): In-page section heading.
- [地理空間](https://docs.datarobot.com/ja/docs/reference/pred-ai-ref/model-list.html.md#_3): In-page section heading.
- [画像](https://docs.datarobot.com/ja/docs/reference/pred-ai-ref/model-list.html.md#_4): In-page section heading.
- [テキストモデル](https://docs.datarobot.com/ja/docs/reference/pred-ai-ref/model-list.html.md#_5): In-page section heading.
- [一般化線形モデル](https://docs.datarobot.com/ja/docs/reference/pred-ai-ref/model-list.html.md#_6): In-page section heading.
- [線形または加法モデル](https://docs.datarobot.com/ja/docs/reference/pred-ai-ref/model-list.html.md#linear-or-additive-models): In-page section heading.
- [一般化線形モデル](https://docs.datarobot.com/ja/docs/reference/pred-ai-ref/model-list.html.md#_7): In-page section heading.
- [Support Vector Machines](https://docs.datarobot.com/ja/docs/reference/pred-ai-ref/model-list.html.md#support-vector-machines): In-page section heading.
- [一般化加法モデル](https://docs.datarobot.com/ja/docs/reference/pred-ai-ref/model-list.html.md#_8): In-page section heading.
- [木型モデル](https://docs.datarobot.com/ja/docs/reference/pred-ai-ref/model-list.html.md#tree-based-models): In-page section heading.
- [ディープラーニングおよび基本モデル](https://docs.datarobot.com/ja/docs/reference/pred-ai-ref/model-list.html.md#deep-learning-and-foundational-models): In-page section heading.
- [時系列固有のモデル](https://docs.datarobot.com/ja/docs/reference/pred-ai-ref/model-list.html.md#time-series-specific-models): In-page section heading.
- [教師なしモデル](https://docs.datarobot.com/ja/docs/reference/pred-ai-ref/model-list.html.md#unsupervised-models): In-page section heading.
- [異常検知モデル](https://docs.datarobot.com/ja/docs/reference/pred-ai-ref/model-list.html.md#_9): In-page section heading.
- [クラスタリングモデル](https://docs.datarobot.com/ja/docs/reference/pred-ai-ref/model-list.html.md#_10): In-page section heading.
- [その他のモデルタイプ](https://docs.datarobot.com/ja/docs/reference/pred-ai-ref/model-list.html.md#other-model-types): In-page section heading.

## Documentation content

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](https://docs.datarobot.com/ja/docs/api/reference/public-api/blueprints.html.md) を構成します。 [モデルリポジトリ](https://docs.datarobot.com/ja/docs/classic-ui/modeling/build-models/build-basic/repository.html.md) 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。

- 前処理
- 線形または加法モデル
- 木型モデル
- ディープラーニングおよび基本モデル
- 時系列固有のモデル
- 教師なしモデル
- その他のモデルタイプ

## 前処理タスク

#### カテゴリー

- 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

#### 数値

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

#### 地理空間

- Geospatial Location Converter
- Spatial Neighborhood Featurizer

#### 画像

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

#### テキストモデル

- 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

#### 一般化線形モデル

- 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

## 線形または加法モデル

#### 一般化線形モデル

- 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

#### 一般化加法モデル

- GAM
- GA2M

## 木型モデル

- 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

## ディープラーニングおよび基本モデル

- 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
- Pretrained CNNs for images using foundational models (especially EfficientNet)
- Pretrained + fine-tuned CNNs for images
- 画像オーグメンテーション
- Pretrained TinyBERT models for text
- Keras Text CNNs
- Fastext models for text

## 時系列固有のモデル

- LSTMs
- DeepAR models
- AutoArima
- ETS, aka exponential smoothing
- TBATS
- Prophet

## 教師なしモデル

#### 異常検知モデル

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

#### クラスタリングモデル

- Kmeans
- HDBSca

## その他のモデルタイプ

- 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](https://docs.datarobot.com/ja/docs/api/reference/public-api/blueprints.html.md) 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](https://docs.datarobot.com/ja/docs/classic-ui/modeling/special-workflows/cml/index.html.md) 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。