# 予測の作成

> 予測の作成 - エクスペリメントを作成してモデルをトレーニングした後、スコアリングデータのアップロード、予測の作成、および結果のダウンロードを行うことができます。

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 `2026-07-27T18:44:30.797093+00:00` (UTC).

## Primary page

- [予測の作成](https://docs.datarobot.com/ja/docs/workbench/nxt-workbench/experiments/make-predictions.html.md): Full documentation for this topic (Markdown sidecar).

## Sections on this page

- [時系列オプションの設定](https://docs.datarobot.com/ja/docs/workbench/nxt-workbench/experiments/make-predictions.html.md#set-time-series-options): In-page section heading.
- [予測オプションの設定](https://docs.datarobot.com/ja/docs/workbench/nxt-workbench/experiments/make-predictions.html.md#set-prediction-options): In-page section heading.
- [予測を計算およびダウンロード](https://docs.datarobot.com/ja/docs/workbench/nxt-workbench/experiments/make-predictions.html.md#compute-and-download-predictions): In-page section heading.

## Documentation content

[エクスペリメント](https://docs.datarobot.com/ja/docs/workbench/nxt-workbench/experiments/index.html.md) を作成し、モデルをトレーニングしたら、それらのモデルを検証するために、新しいデータ、登録されたデータ、またはトレーニングデータで予測を行うことができます。

ワークベンチエクスペリメントのモデルで予測を行うには：

1. モデルリストからモデルを選択してから、モデルのアクション予測を作成をクリックします。
2. 予測を作成ページで、予測ソースをアップロードするか、ファイルを予測データセットボックスにドラッグするか、またはファイルを選択をクリックして次のいずれかを選択します。 アップロード方法説明ローカルファイルをアップロードローカルファイルシステムからファイルを選択して、データセットをアップロードして予測を行います。モデルのトレーニングデータを使用予測データセットとして使用するトレーニングデータの一部を選択します。データレジストリデータレジストリにアップロード済みのファイルを選択します。ラングラーレシピワークベンチで、Snowflakeのデータ接続またはデータレジストリのデータセットから、ラングリングされたレシピを選択します。 ローカルファイルをアップロードモデルのトレーニングデータを使用データレジストリラングラーレシピローカルファイルシステムで、データセットファイルを選択し、開くをクリックします。予測データセットをアップロードすると、完全にアップロードされた後にAIカタログに自動的に保存されます。 アップロードが完了する前にページから移動しないようにしてください。そうしないと、データセットがカタログに保存されません。 アップロードした後まだデータセットが処理中の場合、使用可能になる前に、データセットに対してDataRobotがEDAを実行中であることを意味します。プロジェクトのタイプに応じて、以下のオプションのいずれかを選択します。プロジェクトタイプオプションAutoML以下のトレーニングデータオプションのいずれかを選択します。検定ホールドアウトすべてのデータOTV/時系列以下のトレーニングデータオプションのいずれかを選択します。すべてのバックテストホールドアウトインサンプル予測のリスク選択したオプションとモデルがトレーニングされたサンプルサイズによっては、トレーニングデータで予測するとインサンプル予測が生成されることがあります。つまり、モデルはトレーニング中にターゲット値が見えており、その予測は必ずしも十分に一般化できるとは限りません。 DataRobotでは、1つ以上のトレーニング行が予測に使用されていると判断された場合、オーバーフィットのリスク警告が表示されます。 これらの予測は、モデルの精度を評価するために使用すべきではありません。データセットを選択パネルで、データセットをクリックしてから確認をクリックします。レシピを選択パネルで、Snowflakeデータ接続またはデータレジストリからラングリングされたレシピのチェックボックスを選択してから、選択をクリックします。レシピのフィルターとレビューラングリングされたレシピのリストをソース別にフィルターするには、ソースフィルターをクリックして、Snowflakeまたはデータレジストリを選択します。 レシピを選択する前に詳細について知るには、レシピ行をクリックして基本情報とラングリングSQLクエリーを表示するか、リストからレシピを選択した後にプレビューをクリックします。 時系列データ要件時系列モデルで予測を作成するには、特定の形式のデータセットが必要です。 形式は時系列プロジェクトの設定に基づきます。 予測データセットに正しい履歴行、予測行、および事前に既知の特徴量が含まれていることを確認します。 さらに、DataRobotが時系列データを確実に処理できるようにするには、次の要件を満たすようにデータセットを設定してください。予測行をタイムスタンプでソートします。最も古い行が最初に表示されます。複数系列では、予測行を系列IDでソートし、さらにタイムスタンプでソートして、古い順に表示します。DataRobotがサポートする系列の数には制限はありません。制限に記載されているように、唯一の制限はジョブのタイムアウトです。 データセットの例については、スコアリングデータセットの要件をご覧ください。 間違ったデータセットを選択した場合、削除アイコン（）をクリックして、予測ソース設定から選択を削除できます。
3. 次に、予測オプションを設定して（時系列モデルの場合は、時系列オプションを設定することもできます）、予測を計算します。

## 時系列オプションの設定

> [!NOTE] 時系列オプションの利用について
> 予測ソースとして モデルのトレーニングデータを使用 を選択した場合、時系列オプションを設定することはできません。

[形式が適切な時系列予測データセット](https://docs.datarobot.com/ja/docs/workbench/nxt-workbench/experiments/make-predictions.html.md#time-series-data-requirements) で 予測ソース を設定したら、 時系列オプション セクションで時系列固有の設定を行うことができます。 予測ポイント の下で、 選択 方法を選択し、予測を開始する日付を定義します。

- 自動的に設定：DataRobotはターゲット値を含む最新の日付を選択し、FDWオフセットを追加します。
- 手動で設定：指定された予測ソースから、DataRobotが検出した日付範囲内の予測ポイントを選択します（例：「2012-07-05から2014-06-20までの日付を選択」）。

さらに、 高度なオプションを表示 をクリックし、 事前に既知の列の欠損値を無視する を有効にすると、指定されたソースデータセットの事前に既知の列で欠損値があっても、予測を行うことができます。ただし、これは計算された予測に悪影響を及ぼす可能性があります。

## 予測オプションの設定

予測ソースを設定したら、 予測オプション セクションでオプション設定を行うことができます。

| 設定 | 説明 |
| --- | --- |
| 予測結果に追加の特徴量値を含める | 選択オプションに基づいて、入力特徴量（列）を予測値と一緒に予測結果ファイルに含めます。指定された特徴量を追加：データセットから選択された特徴量をフィルターして含めます。すべての特徴量を追加：データセットからすべての特徴量を含めます。元のデータセットに存在する特徴量（列）のみを追加できますが、その特徴量はモデルの構築に使用された特徴量セットの一部である必要はありません。 派生した特徴量は含まれません。 |
| 予測の説明を含める | 予測の出力結果に 予測の説明のための列を追加します。説明数：デプロイ済みモデルにリクエストする説明の最大数を入力します。 予測リクエストごとに、100の説明をリクエストできます。予測のしきい値(低)：このしきい値を有効化して定義し、設定したしきい値を下回るいずれかの値の予測の説明を提供します。予測のしきい値（高）：このしきい値を有効化して定義し、設定したしきい値を上回るいずれかの値の予測の説明を提供します。N-gramの説明数：データセットの行ごとに返すテキスト ngramの説明の最大数を有効にして定義します。 デフォルト（および推奨）設定は、すべて（制限なし）です。 予測の説明を有効にできない場合は、 予測の説明を有効にできない理由を参照してください。 |
| クラス | 予測の説明が有効な多クラスモデル_の場合、説明の計算に使用するクラスを選択する方法を制御します。クラスオプションは以下のとおりです。予測値：予測値に基づいてクラスを選択します。 予測データセットの行ごとに、クラス数の値で設定されたクラス数に対して説明を計算します。実測：_トレーニングデータセットでの予測について、既知の値であるクラスから説明を計算します。 各行について、「グラウンドトゥルース」であるクラスを説明します。クラスのリスト：クラスのリストから1つ以上の特定のクラスを選択します。 各行について、 クラスのリストで選択されたクラスのみを説明します。 |
| 予測間隔を含める | _時系列モデル_の場合、モデルのバックテスト中に測定された残差誤差に基づいて、指定された間隔内にある予測値のみを含めます。 |

> [!WARNING] DataRobotサーバーレス予測環境における予測間隔
> DataRobotサーバーレス予測環境において、時系列予測間隔を含む予測を作成するには、 [モデルパッケージを登録する際に、事前に計算された予測間隔を含める](https://docs.datarobot.com/ja/docs/workbench/nxt-registry/nxt-model-directory/nxt-register-dr-models.html.md) 必要があります 。 予測間隔を事前に計算しない場合、登録されたモデルから得られるデプロイは、 [予測間隔の有効化](https://docs.datarobot.com/ja/docs/workbench/nxt-console/nxt-predictions/nxt-prediction-intervals.html.md) をサポートしません。

**Q: 予測の説明を有効にできないのはなぜですか？**

予測の説明を含める ことができない場合、次の理由が考えられます。

- モデルの検定パーティションに、必要な行数が含まれていません。
- 統合されたモデルで、少なくとも1つのセグメントチャンピオンの検定パーティションに、必要な行数が含まれていません。 予測の説明を有効にするには、モデルパッケージやデプロイを作成する前に、再トレーニングしたチャンピオンを手動で置き換えてください。

## 予測を計算およびダウンロード

予測オプション を設定したら、 予測を計算およびダウンロード をクリックしてデータのスコアリングを開始し、 最近の予測をダウンロード でスコアリング結果を表示します。

最近の予測をダウンロード リストから、次のことができます。

- 予測ジョブの実行中に、閉じるアイコン（）をクリックするとジョブを停止できます。
- 予測ジョブが成功した場合は、ダウンロードアイコン（）をクリックして予測ファイルをダウンロードするか、ログアイコン（）をクリックして実行の詳細を表示し、必要に応じてコピーします。 備考予測値は、予測計算時から48時間ダウンロード可能です。
- 予測ジョブが失敗した場合は、ログアイコン（）をクリックして実行の詳細を表示し、必要に応じてコピーします。