データインサイトの分析¶

タイル	説明
	頻出値など、データセット内の特徴量をより視覚的に表示します。
	特徴量を表形式で、特徴量の有用性やサマリー統計とともに表示します。 特定の特徴量を選択すると、データプレビュータイルに表示されるものよりも詳細なデータインサイトが表示されます。
	新しい特徴量セットの作成、既存の特徴量セットの管理、異なる特徴量セットでのエクスペリメントの全モデルの再トレーニングができます。
	特徴量の関連性のインサイトを使用して、データ内の関連性を追跡および視覚化できます。

The information displayed in the tabs below is generated as part of EDA2:

Once modeling is complete, click a feature name to view its details and also (in some cases) modify its type. 使用可能なオプションは特徴量の型に応じて異なります。

特徴量の関連性¶

Accessed from the Data insights tile, the Feature Associations insight provides a matrix to help track and visualize associations within your data. It is created during EDA2 using the feature importance score and based on numeric and categorical features found in the Informative Features feature list.

• 複数の特徴量が相互にどれだけ依存するかを決定するために役立つ指標。
• 特徴量を個別のクラスターまたは「ファミリー」にパーティション分割するプロトコルを提供します。

行列を使用するには、エクスペリメント内でデータインサイトタイルをクリックします。

特徴量の関連性の行列は、数値およびカテゴリー特徴量と特徴量クラスターのペア（数値/カテゴリー、数値/数値、カテゴリー/カテゴリー）の間の関連性の強さに関する情報を提供します。 クラスターは、行列上で色分けされた特徴量のファミリーであり、類似性に基づいてグループに分割された特徴量です。 行列の直感的な可視化により、以下のことが可能になります。

• 関連性分析をすばやく実行し、データに関する理解を深める。
• 関連性の強さと本質を理解する。
• ペア単位の関連性クラスターの群を検出する。
• モデル構築の前に高関連性の特徴量のクラスターを識別する（モデル入力に各グループ内の1つの特徴量を選択する一方でその他の特徴量を差分化するなど）。

行列の表示¶

EDA2が完了すると行列が使用可能になります。 X軸とY軸の両方に、クラスター別にソートされた上位50の特徴量がリストアップされます。 特徴量ペアの交点は、特徴量の同時生起のレベルを示します。 デフォルトでは、行列は相互情報量の値で表示されます。

デフォルトの行列からは、一般的に次のような結論が得られます。

• ターゲット特徴量は白の太字で表示されます。
• 個々の点は、2つの特徴量（特徴量ペア）の間の関連性を表します。
• 各クラスターは異なる色で表されます。
• 色の不透明度は、特徴量ペアの間における0～1の同時生起（関連または依存）を示します。 レベルは、相互情報量またはクラメールのVのいずれかの設定指標によって測定されます。
• 灰色の網掛けの点は、2つの特徴量が何らかの依存を示しているものの、同じクラスターに入っていないことを示します。
• 白い点は、クラスターに分類されなかった特徴量を表します。
• 「弱い ... 強い」の関連凡例は、指標内の点の不透明度が指標スコアの強さを表すことを示します。

行列内の点をクリックすると、右側の詳細ペインが更新されます。 デフォルトビューをリセットするには、選択したセルを再度クリックします。 表示条件を変更するには、行列の下のコントロールを使用します。

行列は、二値分類、連続値エクスペリメント、および多クラスのACE（有用性）スコアで上位50の特徴量をランク付けする有用性でフィルターすることもできます。

詳細ペイン¶

デフォルトでは、行列セルが選択されていない状態で詳細ペインは、以下のように動作します。

• 最も強い関連性を、関連性指標スコアでランク付けして表示します。
• 識別されたすべてのクラスターのリスト（特徴量クラスタータブ）とその平均指標(wb-feat-associate){ target=_blank }スコアを表示します。
• 特徴量ペアの関連性の詳細のチャートへのアクセスを提供します。

リストは、行列を計算するときにDataRobotで実行される内部計算に基づきます。

特徴量の関連性ペア¶

特徴量の関連性ペアを表示をクリックして、特徴量ペアの2つの特徴量の間の個々の関連性のプロットを表示するモデルを開きます。 結果のインサイトでは、計算にインパクトを与える値「関連性の測定基準」を確認できます。 最初、プロットは、行列内で選択された点に自動入力されます（これらの点は詳細ペインでもハイライトされます）。 各表示では、指標スコアが最も高い特徴量が属するクラスターに加えて、特徴量ペアの指標関連性スコアが表示されます。特徴量は、モデル（およびクラスターとスコア更新）から直接変更できます。

特徴量クラスタータブからアクセスしても、特徴量の関連性タブからアクセスしても、インサイトは同じです。 表示されたインサイトは、PNGをダウンロードをクリックして保存できます。

表示されるプロットは、データ型に応じて3つの種類があります。

• 数値特徴量と数値特徴量を比較する散布図。
• 数値特徴量とカテゴリー特徴量を比較する箱ひげ図。
• カテゴリー特徴量とカテゴリー特徴量を比較する分割表。

各種類の例と共にインサイトから取得できる内容を以下に示します。

ヒストグラム¶

ヒストグラムチャートは数値特徴量のデフォルト表示です。 数値特徴量の値を同じサイズの各範囲に「バケット化」して特徴量の度数分布を示し、値の頻度（X軸）に対してターゲット観測値（左Y軸）をプロットします。 それぞれの棒の高さは、その範囲内の値を持つ行数を表します。

The display differs depending on whether the data quality issue "Outliers" was found:

EDA2が完了すると、ヒストグラムに平均ターゲット値オーバーレイも表示されます。

特徴量分布の設定¶

DataRobot breaks data into several bins; the size of the bin depends on the number of rows in the dataset. ビンの数を変更して、分布範囲を変更することができます。 ビンのオプションは、データセットに含まれるユニーク値の数に依存します。

For classification projects, you can also change the basis of the display to fill bins based on the number of rows or percentage of target value. 選択に一致するようにヒストグラムおよび平均ターゲット値オーバーレイの表示を変更することもできます。

数値特徴量の場合、ヒストグラムを使用して値の大まかな分布を表示します。

1. After running an experiment, navigate to the Features tile and select a feature.

   数値特徴量の場合、ヒストグラムには等しいサイズの範囲（ビン）が表示されます。 それぞれの棒の高さは、その範囲内の値を持つ行数を表します。

   

2. ビンにカーソルを合わせると、範囲と範囲内の行数が表示されます。

   

   For example, the time_in_hospital feature is the number of days spent in the hospital. ヒストグラムは、1～3日の来院が最も一般的であることを示しています。

3. 左下にあるドロップダウンメニューの表示中をクリックして、ビンの数を変更します。

   

外れ値を計算¶

Outliers—the observation points at the far ends of the sample mean—may be the result of data variability. 外れ値はデータエラーを表すことがあります。その場合、ヒストグラムから外れ値を除外することが推奨されます。 Note that outlier detection—run as part of EDA1 using a combination of heuristics—is strictly a histogram visualization tool and does not influence the modeling process. For more information, see Data quality checks.

チャートの上にある従来の箱ひげ図（金色で表示）では、データの四分位中央値が強調表示されているので、分布が偏っているかどうかを判断するのに役立ちます。 To determine whisker length and identify outlier points, DataRobot uses Ueda's algorithm—the whiskers depict the full range for the lowest and highest data points in the dataset excluding those outliers. ひげは、これらの外れ値を除いた、データセット内の最小および最大のデータポイントの全範囲を示しています。箱ひげ図は、分布が歪んでいるかどうか、およびデータセットに多くの外れ値が含まれているかどうかを判断する際に役立ちます。

Use the histogram to investigate a feature that has outlier values:

1. 特徴量セットに外れ値が存在する場合は、その特徴量を選択します。

   

2. Below the histogram chart, toggle Show outliers on to initiate a calculation identifying the rows containing outliers. DataRobot then re-displays the histogram with outliers included.

   

   ヒストグラムの上部にある赤い点は外れ値を表します。 金色の箱ひげ図では、データの四分位中央値が示されているので、分布が偏っているかどうかを判断するのに役立ちます。

   Why are the bins resized after calculating outliers?

   DataRobotは、表示に基づいてビン値を再シャッフルします。 外れ値を除外するとビンの数が増え、各ビンに含まれる行数が少なくなります。 オンにすると、ビンの値の範囲が拡大するので各ビンにはより多くの行が含まれます。

   The change in the X-axis scale and compression of the box plot to allow for outlier display. Because there tend to be fewer rows recording an outlier value (it's what makes them outliers), the purple bar may not display. その列にカーソルを合わせると、実際の行数を示すツールチップが表示されます。

   外れ値の表示設定に関係なく、ビンの選択ドロップダウンは通常通り機能します。

3. 赤い点にカーソルを合わせると、外れ値の値が表示されます。

   

   In this example, the outlier shown for the num_medications feature is 70—far from the median of 14.

頻出値¶

The Frequent Values chart is a histogram that, in addition to showing the number of rows containing each value of a feature and the percentage of rows for each value of the target, also reports inliers, disguised missing values, and excess zeros. This version of the histogram is the default display for categorical, text, and boolean features, although it is also available to other feature types. 表示は、データ品質チェックの結果に応じて異なります。

特徴量値チャートには、データセットにある特徴量の各値と、その値を持つ行の数が表示されます。 データ品質の問題がない場合：

多くの場合、ソート順ドロップダウンで表示を変更できます。 デフォルトでは、頻度（行数）で降順にソートされます。 また、<feature_name>で並べ替えることもできます。この場合は、アルファベット順、または数値の場合は小さい順に表示されます。 エクスポートリンクを使用すると、頻出値チャートの画像をPNGファイルとしてダウンロードできます。

The white circles that overlay the histogram indicate the average target value(calculated during EDA2) for a bin.

特徴量の系統¶

特徴量の系統インサイト（特徴量探索と時系列エクスペリメントで取得可能）は、特徴量がどのように派生したか、および特徴量派生プロセスに関係したデータセットを視覚的に説明します。 ここでは、元のデータセット（左側）から特徴量（右側）を生成するために使用された手順が可視化されます。 各要素は、アクションまたはJOINを表します。

For more information, see the DataRobot Classic documentation on Feature Discovery and time series.

時間経過¶

The Over time chart helps you identify trends and potential gaps in your data by displaying, for both the original modeling data and derived data, how a feature changes over the primary date/time feature. It is available for all time-aware experiments (OTV, single series, and multiseries). 時系列の場合、ユーザー設定の各予測距離に使用できます。

For more information, see Understand a feature's Over Time chart in the DataRobot Classic documentation.

有用性スコア¶

特徴量タイルの有用性列に表示されている緑色のバーは、1つの特徴量が単独でターゲット特徴量とどの程度相関しているかを示します。 バーにカーソルを合わせると、正確な値が表示されます。

For more information, see the Modeling process reference documentation.

データ品質評価¶

データ品質評価機能は、一般的なデータ品質の問題を自動的に検出して表面化し、多くの場合、ユーザーのアクションを最小限（または完全）に抑えて、それらを処理します。 評価は、問題の発見と対処にかかる時間を節約するだけでなく、自動化されたデータ処理に対する透明性を提供します（適用された自動化処理を確認できます）。 これには問題の重大度を判別するのに役立つ警告レベルが含まれています。

To access the Data Quality Assessment from an experiment, open either the Features or Data preview tile and click Show Summary (unless already open, then the button displays Hide summary).

For more information, including additional instructions and a description of processing logic, see the Data Quality Assessment reference documentation.

平均ターゲット値¶

After EDA2, DataRobot displays white circles as graph overlays on the Histogram and Frequent Values charts. 円はビンの平均ターゲット値を示します。 （カテゴリー型特徴量の順序付けは便宜的であり、ヒストグラムは値の連続範囲を表示するので、これらの円は分類ではなく数値特徴量に関連付けられています。）

たとえば、特徴量num_lab_proceduresを考えてみます。

In this example, there are 858 people who had between 44-49.999999 lab procedures. The average target value is represented by the circle in each bin, corresponding to the right axis of the histogram—in this case, the percent readmitted—37.88%.

エクスポージャーによる出力の変化¶

エクスペリメントのモデルを構築するときにエクスポージャーパラメーターを使用した場合、エクスポージャーに合わせて調整されたグラフがヒストグラムおよび頻出値タブに表示されます。 この場合の詳細を以下に示します。

• 各ビンの行数。
• 各ビンでのエクスポージャーの合計。 これは、エクスポージャーによって加重されたすべての行の加重の合計です。
• ターゲットの合計値をビン内のエクスポージャーの合計で割ったもの。

For information about required dataset formatting, see the Modeling process documentation.

加重による出力の変化¶

If you set the Weight parameter for an experiment, DataRobot weights the number of rows and average target values by weight.

集計されたカテゴリー特徴量¶

集計されたカテゴリー型特徴量は、複数のカテゴリーのコレクション（同一製品のカテゴリーまたは部門ごとの点数など）を持つ特徴量に使用されます。 If your original dataset does not have features of this type, DataRobot creates them (where appropriate as described here) as part of EDA2. The summarized categorical variable type offers unique feature details in its Overview, Histogram, Illustration, and Table insights.

概要¶

概要タブには、特徴量の最も頻繁に使用される上位50のキーが表示されます。 各キーには、キーが平均値、標準偏差、中央値、最小値、および最大値に現れる行のパーセンテージが表示されます。キーは、このいずれかのフィールドで並べ替えることができます。 Most of this information is available for other feature types in the Summary statistics above feature insights, but for summarized categorical features each individual key has its own values for these fields.

このタブでは、以下の操作を実行できます。

• Click Export to export the list of keys and their associated values as a PNG. You can choose to include the chart title in the image and edit the file name before downloading it.
• Click on a given key to open its histogram.

ヒストグラム¶

While most of the functionality for this tab is the same as described in the histogram section above, there are some differences unique to this variable type. このタブに表示されるヒストグラムは、特徴量自身ではなく、特徴量の個々のラベル（キー）に対応しています。 キーのリストは、データベースの行での発生率またはアルファベット順に並べ替えることができます。

表¶

多ラベルプロジェクトのデフォルトタブである表タブには、多カテゴリー特徴量の上位50位の最頻出キーの詳細な数を示す2列の表が表示されます。

表には、値列の各キー、およびカウント列の該当するキーの数がリストされます。

例示¶

例示タブには、集計されたカテゴリー型データを特徴量として表す方法が示されます。 For example, in the below image, the Values column contains five summarized categorical features displayed in JSON dictionary format (selected at random), as described here.

サマリーをクリックすると、集計された特徴量として処理する前に、初期状態のカテゴリー型値の表示方法を視覚化するボックスが表示されます。