高度なエクスペリメント設定¶

トレーニングの前に、より高度なモデリング条件を適用するには、オプションで以下の操作を行うことができます。

• パーティショニングの変更。
• 増分学習の設定
• 追加設定を行う。
• 構成設定の変更。

データパーティショニングタブ¶

パーティショニングは、評価とモデル構築のためにDataRobotが観測値（または行）をまとめて「集中させる」方法を示します。 ワークベンチのデフォルトは、 層化サンプリング（二値分類エクスペリメントの場合）またはランダム（連続値エクスペリメントの場合）による 5分割交差検定、および20%のホールドアウト分割です。

分割手法または検定タイプを追加設定から変更するか、サマリーのパーティショニングフィールドをクリックして変更します。

分割手法の設定¶

分割手法では、モデルのトレーニング時に行を割り当てる方法をDataRobotに指示します。 分割手法と検定タイプの選択は、ターゲット特徴量およびパーティション列に依存します。 つまり、すべての選択が常に使用可能として表示されるわけではないということです。 次の表は、各手法を簡単に説明しています。パーティショニングの詳細については、 このセクションも参照してください。

検定タイプの設定¶

検定タイプは、モデルを検証するためにデータで使用される方法を設定します。 方法を選択し、関連するフィールドを設定します。 設定フィールドの下にある図が、設定内容を示しています。 ユーザー定義または自動化されたグループパーティショニングを使用する場合は、検定タイプの説明を参照してください。

グループ化によるパーティション¶

あまり一般的ではありませんが、ユーザー定義および自動化されたグループパーティション分割では、パーティション特徴量（グループ化の基礎となるデータセットの特徴量）によってパーティション分割する方法を利用できます。

• ユーザー定義の分割では、選択したパーティション特徴量の一意の値ごとにパーティションが作成されます。 つまり、行は、選択したパーティション特徴量の値を使用してパーティションに割り当てられ、一意の値ごとに1つのパーティションになります。 この方法を選択すると、パーティション特徴量の一意の値が10未満である特徴量を指定することが推奨されます。

• 自動化されたグループ化では、パーティション特徴量の同じ単一（指定）値を持つすべての行が同じパーティションに割り当てられます。 各パーティションには、その特徴値が複数含まれることがあります。 この方法を選択すると、DataRobotにより一意の値が6以上である特徴量を指定することが推奨されます。

これらの方法のいずれかを選択すると、パーティション特徴量を入力するように求められます。 ヘルプテキストからは、パーティション特徴量に含める必要のある値の数に関する情報が得られます。ドロップダウンをクリックして、一意の値の数を含む特徴量を表示します。

パーティション特徴量を選択したら、検定のタイプを設定します。 検定タイプの適用性は、次のチャートに示すように、パーティション特徴量の一意の値に依存します。

自動化されたグループ化では、上記と同じ 検定設定が使用されます。 しかし、ユーザー定義の分割では、パーティション特徴量に固有の値の入力が求められます。 交差検定の場合、ホールドアウトの設定はオプションです。 設定する場合は、パーセンテージではなくパーティション特徴量の値を選択します。 トレーニング-検定-ホールドアウトの場合、ここでもパーセンテージではなく、各セクションのパーティション特徴量の値を選択します。

増分学習の設定¶

増分学習（IL）は大規模なデータセット（10GB〜100GB）に特化したモデルトレーニング方法であり、データをチャンク化してトレーニングのイテレーションを作成します。 モデルの構築が開始されたら、トレーニング済みのイテレーションを比較し、必要に応じて、別のアクティブバージョンを割り当てるか、トレーニングを継続することができます。 アクティブなイテレーションは、他のインサイトのベースとなり、予測に使用されます。

DataRobotは、デフォルト設定を使用して、最も精度の高いモデルをすべてのイテレーションでトレーニングし、その他のすべてのモデルを最初のイテレーションでのみトレーニングします。 モデルのイテレーションのインサイトから、モデル構築後に追加のインクリメントをトレーニングできます。 増分学習エクスペリメントでは、静的データセットと動的データセットの両方を使用できます。

増分学習エクスペリメントの設定¶

ILを設定するには：

1. ユースケース内から、10GBを超えるデータセットを追加し、データセットが登録されるのを待ちます。 登録状況はデータレジストリで確認できます。

2. 登録後、データタイルを開き、データセットを選択して、データのアクション > モデリングを開始を選択します。 DataRobotでは、データサンプルが作成され、そのサンプルを使用してプロジェクトが作成されます。 また、エクスペリメントのセットアップを続行できるように最初のチャンク（4GB）が作成され、バックグラウンドでチャンキングが実行されます。 エクスペリメントのサマリーの表示が開始されます。

   

3. EDAのサンプリングが完了すると、設定ウィンドウが利用可能になります。 二値分類または連続値のターゲットを設定して、ILを有効にします。 エクスペリメントのサマリーが更新され、インクリメンタルモデリングが有効になったことが示されます。

   

4. クイックオートパイロット（デフォルト）または手動のいずれかの モデリングモードを選択します。 包括的モードは、ILでは使用できません。

5. 追加設定 > データパーティショニングタブを開き、分割手法を設定します。 時間認識データを使用する場合は、時間ベースのデータセットが登録されたら、順序付け特徴量を入力します。

   時間認識データの操作

   DataRobotは、EDAサンプルから検定開始日を計算します。 最初のチャンク (検定チャンク) には、常に最新のデータが含まれます。 その検定日後はすべてランダム化され、検定データセット（スコアリングに使用されるデータ）に使用されます。 その他の時間認識フィールドは、増分学習では無効です。 DataRobotが最初のチャンクを作成した後、ターゲット選択が可能になり、通常の増分学習のフローが続きます。

   ILパーティショニング

   ILパーティショニングについては、以下の点に注意してください。

   • エクスペリメントのパーティショニング設定は最初のイテレーションに適用されます。 後続の各イテレーションからのデータがモデルのトレーニングパーティションに追加されます。
   • 最初のイテレーションはすべてのパーティション（トレーニング、検定、ホールドアウト）に使用されるため、トレーニングデータのみを保持する後続のイテレーションよりも小さくなります。

6. 追加設定のまま、インクリメンタルモデリングタブをクリックします。

   

7. プロジェクトの設定を行います。

   設定	説明
   すべてのイテレーションで最上位モデルをトレーニング	最高のパフォーマンスのモデルに対するトレーニングを継続するかどうかを設定します。 選択すると、パフォーマンスが最も高いモデルがすべての増分でトレーニングされます。その他のリーダーボードモデルは単一の増分でトレーニングされます。 選択しない場合、すべてのモデルは単一の増分でトレーニングされます。 手動モデリングモードが選択されている場合、この設定は無効になります。
   モデルの精度が上がらなくなったらトレーニングを停止	検定パーティションに基づいて、モデルの精度が頭打ちになったときに新しいモデルイテレーションのトレーニングを停止するかどうかを設定します。 具体的には、精度指標が前の3回のイテレーションに比べて0.000000001%以上改善しない場合、トレーニングは停止します。

8. モデリングを開始をクリックします。

9. 最初のイテレーションが完了すると、 モデルのイテレーションのインサイトがリーダーボードで使用可能になります。

増分学習に関する注意事項¶

増分学習を行う際には、以下の点に注意してください。

一般¶

• データセットが10GBよりも大きい場合、増分学習が自動的にアクティブになります。
• ILは、予測および時間認識予測の二値分類、多クラス分類、多ラベル、および連続値エクスペリメントで可能です（時系列予測ではできません）。 時間認識、異常検知、クラスタリングのエクスペリメントはAPIのみです。

データ¶

• データセットは、ローカルコンピューターから直接アップロードすることはできません。

• データセットは10GBから100GBの間に収まる必要があります。

• 10GBを超えるデータセットをモデル化するには、組織のデータレジストリファイルのサイズ上限を引き上げる必要があります。 システム管理者に連絡してください。

• 多クラスデータでは、最初のチャンクにない新しいクラスはトレーニングプロセスから除外されます。 モデルは、最初のチャンクに存在するクラスでのみトレーニングされます。

• 新しいデータチャンクを使った多クラスエクスペリメントでは、最初のチャンク（プロジェクトの開始元のデータ) から少なくとも2つのクラスが必要です。 それらのクラス内には、少なくとも2つのチャンクを生成するのに十分な行数が含まれている必要があります。 これは、常に1つのチャンクが検証用に確保されているためです。

• サンプルデータに含まれていなかった新しいクラスは除外されます。

• For classification experiments with highly imbalanced data, downsample the majority class below the 10GB limit and use a non-incremental learning flow. Incremental learning is not recommended for two reasons. First, minority class samples are distributed evenly across data chunks, making majority class downsampling impossible. Second, class weights are unsupported because target mean can shift significantly between chunks, preventing model convergence.

• 特徴量探索は、AWSマルチテナントSaaSでのみ使用できます。 プライマリーデータセットは最大20GBに制限されています。セカンダリーデータセットは最大100GBです。

モデリング¶

• ILはランダム、層化抽出、および時間認識チャンキングのみをサポートします。
• ILでは、ユーザー定義の分割や自動グループ化はサポートされていません。
• 包括的なモデリングモードは、ILエクスペリメントでは無効になっています。
• 交差検定は使用できません。
• 単調特徴量の制約、加重の割り当て、および保険固有の設定はサポートされていません。
• ユースケースからILエクスペリメントのドラフトを再開することはできません。 新しいエクスペリメントを作成する必要があります。

モデルが構築されたら：

• 共有はユースケースレベルでのみ可能です。エクスペリメントレベルの共有はサポートされていません。 共有する場合、エクスペリメント作成者以外のユーザーが使用できる唯一のオプションは「アクティブなイテレーションの変更」です。 エクスペリメントを共有したユーザーが新しいイテレーションをトレーニングすると、すべてのイテレーションがエラーになります。

• デフォルトでは、特徴量ごとの作用により、上位500の特徴量（特徴量のインパクトでランク付け）のインサイトが生成されます。 実行時のパフォーマンスを考慮して、特徴量ごとの作用では、ILエクスペリメントの上位100の特徴量のインサイトが生成されます。

ブループリント¶

次のブループリントファミリーを使用できます。

• Light Gradient Boosting、eXtreme Gradient Boosted Trees ClassifierなどのGBM (Gradient Boosting Machine)
• 確率的勾配降下法などのSGD（線形モデル
• KerasなどのNN（ニューラルネットワーク

追加設定を行う¶

より高度なモデリング機能を設定するには、追加設定タブを選択します。 時系列モデリングタブについては、データセットで日付/時刻特徴量が見つかったかどうかに応じて、使用可能になるかグレーアウトされます。

ビジネスユースケースに応じて、以下を設定します。 利用可能なオプションは、データによって異なります。

単調特徴量制約¶

単調制約は、特徴量とターゲットの間の上下方向の影響を制御します。 一部のプロジェクト（保険業や銀行業など）では、特徴量とターゲットの間の方向関係性を強制することが望ましい場合があります（評価価値の高い家屋の火災保険料が常に高くなるなど）。 単調制約でのトレーニングを行うことによって、特定のXGBoostモデルに特定の特徴量とターゲットの間の単調（常に増加または常に減少）関係性を学習させます。

単調制約特徴量を使用するには、 特殊な特徴量セットを作成する必要があります。この特徴量セットは、ここで選択されます。 また、手動モードを使用する場合、使用可能なブループリントにはMONOバッジが付けられ、サポートされるモデルを識別できます。

ウェイト¶

ウェイト違いを表す重みとして使用し、各行の相対的な有用性を示す単一の特徴量を設定します。 これは、モデルの構築やスコアリングの際に、リーダーボードで指標を計算する目的で使用されます。新しいデータで予測を行う目的では使用されません。 選択した特徴量のすべての値が0より大きい値である必要があります。DataRobotでは検定が行われ、選択した特徴量にはサポートされている値のみが含まれているかどうかが確認されます。

保険特有の設定¶

保険業界の頻繁な加重ニーズに対処するいくつかの機能を利用できます。 次の表では各モデルについて簡単に説明しますが、詳細については、 ここを参照してください。

地理空間の設定¶

地理空間モデリングは、データの地理空間パターンのインサイトを得るのに役立ちます。 一般的な地理空間形式をネイティブに取込み、空間的に明示的なモデリングタスクを使用して、強化されたモデルブループリントを構築できます。 位置ごとの精度や 位置ごとの異常などのインタラクティブマップのポストモデリングは、データの誤差や異常を強調表示するのに役立ちます。

DataRobotは、次のネイティブの地理空間データ形式の取込みをサポートしています。

• ESRIシェープファイル
• GeoJSON
• ESRIファイルジオデータベース
• Well Known Text（テーブルの列に埋め込み）
• PostGISデータベース

地理空間モデリングを設定するには、設定を表示をクリックし、ドロップダウンから位置特徴量を選択します。

ワークベンチの地理空間モデリングは、探索的空間データ解析（ESDA）のインサイトを除いて、DataRobot ClassicのLocation AIと同じ機能を提供します。 地理認識モデリングの詳細については、 Location AIのドキュメントを参照してください。

画像オーグメンテーション¶

画像オーグメンテーションは、DataRobot Visual Artificial Intelligence (AI)機能の一部です。 既存の画像をランダムに変換して新しい画像を作成する処理手順をブループリントに追加することで、トレーニングデータのサイズを増やす（「オーグメンテーションする」）ことができます。

画像変換による画像オーグメンテーションを開始するには、新しい画像を生成をオンに切り替えます。 有効にすると、変換設定に基づいて、元のトレーニング画像すべてのコピーが作成されます。 オーグメンテーションをオンに切り替えない場合でも、インサイトはDataRobotの設定に基づいて取得可能です。

値を設定した後、新しい画像のサンプルをプレビューして値を微調整できます。 プレビューでは、データセットのすべての画像が、すべての可能な変換を伴って表示されるわけではありません。 代わりに、トレーニングに使用されたデータに表示される変換の例とともに、元の画像が表示されます。

次に、部数と変換オプションを以下の説明に従って設定します。

Visual Artificial Intelligence (AI)と画像オーグメンテーションの詳細については、以下のセクションを参照してください。

• 概要
• 予測を作成する
• リファレンス ネットワークアーキテクチャ、ニューラルネットワーク、視覚化の詳細に関する情報が含まれます。

元の画像ごとの新規画像¶

元の画像ごとの新しい画像には、DataRobotが作成する元の画像のバージョン数を指定します。 基本的に、オーグメンテーション後にデータセットを拡張する大きさを設定します。 たとえば、元のデータセットに1000の行があり、「新しい画像」の値が3の場合、モデルをトレーニングすると4000行になります（元の1000行および変換された画像を含む3000の新しい行）。

元の画像ごとの新しい画像の最大許容値は動的です。 つまり、DataRobotが元の行の数に基づく値を決定し、メモリー制限を超えずにモデルを構築するために安全に使用できるようにします。 簡単に言えば、1つのプロジェクトでは、（現在の特徴量セットに関係なく）最大値は300,000 / (number_of_rows * feature_columns)か1の、どちらか大きい方になります。

新しい画像を作成すると、データセットに行が追加されます。 新しい画像を含む列を除いたすべての特徴量列が、元の行の重複値です。

Shift（シフト）¶

以下の場合に役立ちます：検出対象のオブジェクトが中央に配置されていない。

適用するオフセットを指定します。 オフセット値は、画像が上下左右に移動する最大量です。 0.5の値は、画像を画像の幅の半分まで左または右に、または画像の高さの半分まで上下にシフトできることを意味します。 各画像の実際の移動量はランダムであり、シフトは、変換確率と等しい確率で各画像にのみ適用されます。 画像は反射パディングで埋められます。 この変換は通常、上記の目的を果たし、撮影者が一歩前進したか後退したか、またはカメラを上げ下げしたかをシミュレートします。

スケール¶

以下の場合に役立ちます：

• 検出対象のオブジェクトがカメラから一定の距離ではない。
• 検出対象のオブジェクトのサイズが一定ではない。

選択したら、画像を拡大または縮小する最大量を設定します。 各画像の実際のスケーリング量はランダムであり、スケーリングは、変換確率と等しい確率で各画像にのみ適用されます。 スケールアウトすると、画像は反射パディングで埋められます。 この変換は通常、1番目の目的を満たし、撮影者が一歩前進したか後退したかをシミュレートします。

回転¶

以下の場合に役立ちます：

• 検出対象のオブジェクトの向きはさまざまです。
• 検出対象のオブジェクトに放射状の対称性がある。

設定されている場合は、Maximum Degrees（最大度）パラメーターを使用して、画像が時計回りまたは反時計回りに回転する最大度を設定します。 各画像の実際の回転量はランダムであり、回転は、変換確率と等しい確率で各画像にのみ適用されます。 回転は、キャプチャしたオブジェクトが回転していた場合、または写真家がカメラを傾けていた場合に最適なシミュレーションになります。

ぼかし¶

以下の場合に役立ちます：

• 画像にはさまざまな不明瞭性があります。
• モデルは、精度の高い予測を行うために、大規模な特徴量を認識することを学習する必要があります。

画像を滑らかにするために適用するGaussianフィルターの最大サイズを設定するフィルターサイズを指定します。 たとえば、フィルターサイズが3の場合、新しい画像の各ピクセルの値は、元のピクセルを囲む3x3の正方形の集合体になります。 フィルターサイズを大きくすると、画像がぼやけます。 各画像の実際のフィルターサイズはランダムであり、変換確率と等しい確率で各画像にのみ適用されます。

切り抜き¶

以下の場合に役立ちます：

• 検出対象のオブジェクトが、他のオブジェクトによって部分的に遮られていることがある。
• 画像内の複数の特徴量に基づいて予測を行う方法をモデルが学習する必要がある。

選択したら、さらに変換を設定します。

• ホールを追加を使って、画像の上にランダムに貼り付けられる黒い長方形の数を設定します。
• 長方形のサイズを示す最大の高さと幅をピクセル単位で設定します。ただし、各長方形の値はランダムであり、変換確率と等しい確率で各画像にのみ適用されます。

反転¶

以下の場合に役立ちます：

反転は通常、対象物が垂直方向に反転された場合、または俯瞰画像が反対方向からキャプチャされた場合をシミュレートする目的で使用されます。 変換にはパラメーターがありません。新しい画像は50%の確率で反転されます（変換確率の値は無視されます）。

変換の確率¶

作成される新しい画像ごとに、有効な各変換がこのパラメーターの値と等しい確率で適用されます。 デフォルトでは、変換の確率は75％です。

たとえば、回転とシフトを有効にし、個々の変換の確率を0.8に設定した場合、新しい画像の最大80%で少なくとも回転が行われ、最大80%で少なくとも移動が行われます。 各変換の確率はそれぞれ異なり、新しい画像は、どちらの変換も受けない可能性もあれば、片方の変換を受ける可能性もあれば、両方の変換を受ける可能性もあります。そのため、新しい画像は以下のように分布します。

この値を100に設定すると、選択したすべての変換がすべての画像に適用されます。

オーグメンテーションを使用したモデリング¶

モデリングが完了したら、エクスペリメントを開き、セットアップをクリックしてモデリング設定を確認します。

詳細を表示をクリックすると、適用された変換の概要が表示されます。

使用可能なインサイト¶

左側のモデルリーダーボードタイルをクリックし、モデルを選択すると、該当する画像固有のインサイトが表示されます。

オーグメンテーション機能に関する注意事項¶

• 予測の説明の場合、予測データセットあたりの画像数は10,000に制限されます。 DataRobotは予測データセットに対してEDAを実行しないため、画像の数はnumber of rows x number of image columnsとして推定されます。 その結果、欠損値は画像の制限にカウントされます。

• 画像の説明、画像の予測の説明は、デプロイからは利用できません（たとえば、バッチ予測または予測API）。

• 画像特徴量のドリフト追跡はありません。

• スコアリングコードのエクスポートはサポートされていませんが、ポータブル予測サーバーは使用できます。

• オブジェクト検出は使用できません。

• 画像オーグメンテーションは時系列をサポートしていません。 時間認識予測のエクスペリメントがサポートされています。

設定の変更¶

ターゲットページに戻ることで、モデリングを開始する前に、プロジェクトのターゲットまたは特徴量セットを変更できます。 戻るには、サマリーのターゲットアイコン、戻るボタン、またはターゲットフィールドをクリックします。