時系列（V7.3）¶

2021年12月13日

DataRobot v7.3.0リリースには、以下の多くの新しい時系列機能が含まれています。 リリース7.3.0の詳細については、AutoMLとMLOpsのリリースノートもご参照ください。

新しい時系列機能¶

以下の一般提供された新機能の詳細をご覧ください：

• 複数系列プロジェクト向けセグメントモデリング
• 時系列データ準備ツールを一般提供し、品質チェック機能を追加
• 時系列プロジェクトのカレンダーでの詳細な時間指定（一般提供機能）
• 特徴量の削減により削除された特徴量の復元
• 複数系列プロジェクトでのテキスト列のサポート
• 多クラス混同行列でのバックテストのサポート
• 時系列の精度のパフォーマンス向上

以下のパブリックプレビュー新機能の詳細をご参照ください：

• 時系列のスコアリングコード
• AIアプリビルダーにおける時系列予測のサポート

一般提供されている機能¶

以下の新機能が一般提供されました。

複数系列プロジェクト向けセグメントモデリング¶

No single model can handle extreme data diversity or can forecast the complexity of human buying patterns at a detailed level. Complex demand forecasting typically requires deep statistical know-how and unlimited budget to spend on lengthy development projects and big data architectures. Prior to the release of multiseries with segmented modeling, you would have to segment your datasets, set up a model factory to model each segment of your data, and then deploy a model for each segment. Now generally available, DataRobot provides segmented modeling, where you can build projects with up to 100 segments.

Segments are a group of series; each segment runs Autopilot and has its own Leaderboard. DataRobot then selects and prepares a champion model from each segment’s Leaderboard and feeds that champion to the project’s Combined Model. You can override DataRobot’s champion selection—the Combined Model updates with the new model information and the deployment is updated to reflect the change. With segmented modeling, all segments are represented in the Combined Model but it only represents a single deployment.

詳細は、セグメンテーションを用いた複数系列モデリングを参照してください。

時系列データ準備ツールを一般提供し、品質チェック機能を追加¶

時系列データ準備ツールが一般提供されるようになりました。 このリリースでは、補完された特徴量が補完されたターゲットをリークしていないことを確認する（「事前に既知」(KA) の特徴量の潜在的な問題のみ）、データ品質チェック用のツールが追加されました。 補完リーケージのリスクが高い、または中程度であると識別された特徴量は、KA特徴量のセットから削除されます。

さらに、準備したデータセットを使用したモデルからデプロイが作成された場合、モデルパッケージには、AIカタログで作成された予測データセットに変換を適用するために必要な情報が含まれています。

詳細については、時系列データ準備ツールのドキュメントを参照してください。

時系列プロジェクトのカレンダーでの詳細な時間指定（一般提供機能）¶

このリリースでは、自分のカレンダーファイルをアップロードする際に、カレンダーのイベント関連特徴量を、よりきめ細かいタイムスタンプベースのレベルで引き出すことができるようになりました。 さらに、イベントの特異度をより強調するために、期間を指定することができます。 精度を確保するために、DataRobotは重複するカレンダーイベントに基づいてカレンダーから派生する特徴量をサポートするガードレールを提供します。 カレンダーに1日単位のイベントしかない場合は、この機能をスコアリングコード（パブリックプレビュー）で使用するためのカレンダーファイルの要件を参照してください。

詳細については、カレンダーファイル情報を参照してください。

特徴量の削減により削除された特徴量の復元¶

インパクトの少ない特徴量であっても、派生した特徴量をモデリングデータに復元する機能の一般提供が開始されました。 これで、それらを含む新しい特徴量セットを作成することができます。 パブリックプレビューバージョンからの改善点として、インデックス列をクリックして復元された主要な特徴量（アイコンが表示されている）で再ソートすることができます。

詳細については、特徴量の復元のドキュメントを参照してください。

複数系列プロジェクトでのテキスト列のサポート¶

数値型とカテゴリー型に加えて、テキスト列を複数系列IDとして選択できるようになりました。 以前は、当初すべての特徴量の型を受け入れていましたが、ビルド時に問題が発生することがありました。 今回、テストの向上により有効な型のみが選択可能となりました。

多クラス混同行列でのバックテストのサポート¶

このリリースでは、多クラス混同行列のデータ選択ドロップダウンで、個々のバックテスト、すべてのバックテスト、ホールドアウトパーティション（ロックが解除されている場合）のいずれかに基づいて表示できるようになりました。

詳細については、混同行列のドキュメントを参照してください。

時系列の精度のパフォーマンス向上¶

このリリースでは、時系列の精度タブのパフォーマンスが向上しました。 このチャートでは、バックテスト、時間単位、予測距離を選択して予測値と実測値をプロットすることで、予測が時間とともにどのように変化するかを視覚的に確認することができます。 チャートの複雑さのため、計算負荷が高くなりデータセットのサイズによっては、多大な社内リソースが必要になることもあります。 今回、計算の最適化により、パフォーマンスの高速化とリソースへの負荷の軽減が図られています。

詳細については、時系列の精度のドキュメントを参照してください。

プレビュー機能¶

以下の機能はパブリックプレビュープログラムの一部です。

時系列のスコアリングコード¶

このリリースでは、時系列のスコアリングコードのパブリックプレビュー機能が拡張されました。 リリース7.2でサポートされていたブループリントと機能に加えて、今回のリリースでは予測距離（FD）スプリットと加重ローリングウィンドウがサポートされました。

AIアプリビルダーにおける時系列予測のサポート¶

Now available for preview, you can build AI-powered Predictor applications for both multi- and single-series projects. In your time series deployment, click the actions menu and select Create Application. Once created, upload batch predictions to populate the new Time Series Forecasting widget, which allows you to navigate between multiple time unit resolutions, view calendar events (if uploaded), compare forecasted vs actuals for new data, and view insights for Prediction Explanations over time.

詳細については、時系列予測アプリケーションを参照してください。¶

リリース 7.2.0 以降に修正された顧客から報告された問題は以下の通りです。

• ユーザーから報告された以下の問題が、リリース[7.2.0]{0}以降修正されました。

• TIME-9790：ダウンサンプリングされていない時系列プロジェクトの予測距離分割モデルで、ダウンサンプリング済みのトレーニング予測を修正しました。

• TIME-9425：スマートサンプリングされ、バックテスト設定がカスタマイズされたOTVプロジェクトにアクセスすると、空白ページが表示されることがありましたが、この問題を修正しました。

記載されている製品名および会社名は、各社の商標または登録商標です。 製品名または会社名の使用は、それらとの提携やそれらによる推奨を意味するものではありません。