EDAインサイト¶

EDA（探索的データ解析）は、DataRobotでデータセットを解析してその主要な特性のサマリーを作成するためのアプローチです。 EDAにはEDA1とEDA2には2つの段階があります。DataRobotは、データセットが最初にデータレジストリに追加される際には、モデリングの前にEDA1を実行します。EDAの一部として、データのサンプルに基づいてサマリー統計を生成し、すべての特徴量セットを評価して、一般的なデータ品質の問題を検出します。

以下は、1GB未満のデータセットに対するDataRobotモデルの構築プロセスを表しています。

1. データセットをDataRobotにインポートし、データレジストリに登録します。
2. DataRobotによってEDA1が起動されます（日付型の特徴量が検出された場合は、特徴量の変換が自動的に作成されます）。
   • 特徴量探索プロジェクトの場合、DataRobotは以下の処理を行います。
     • セカンダリーデータセットをロードします。
     • セカンダリーデータセットから特徴量を探索します。
     • 探索結果から新しい特徴量を生成します。
3. EDA1が完了すると、データ探索ページの特徴量タブにインサイトが表示されます。

EDA1¶

DataRobotでは、適用可能な変換または拡張の後、最大500 MBまでのデータセットに対してEDA1が計算されます。 拡張済みのデータセットが500 MB未満の場合、データセット全体が使用されます。500 MB以上の場合は、500 MBのランダムサンプルが使用されます（データセットが500 MB以上の場合は500 MB相当のランダムサンプリングが取得されます）。

EDA1では以下の要素が返されます。

インサイトへのアクセス¶

データの準備は反復プロセスです。 DataRobotにアップロードする前にトレーニングデータをクリーニングして準備したとしても、EDA1の結果として生成されたインサイトを使用して特徴を評価することで、その品質を向上させることができます。これらのインサイトにアクセスするには、

1. ユースケースで、登録されているデータセットの右側にあるアクションメニュー をクリックし、探索するを選択して、データ探索ページを開きます。 動的データセットを選択した場合は、データ接続のための資格情報を再認証する必要がある場合があります。

2. 左側の特徴量タイルを開きます。

   

3. パネルが開く特徴量をクリックすると、その特徴量の追加のサマリー指標が上部に表示され、使用可能な各インサイトのタブも表示されます。

   

使用可能なインサイト¶

データセットがDataRobotに登録されたら、特徴量の名前をクリックすると、その詳細が表示されます。 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。

データ品質評価¶

EDA1の一環として、DataRobotは一般的なデータ品質の問題を自動的に検出し、それらの多くをユーザーの手間をほとんどかけず、または全くかけずに処理します。 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）。 これらのチェックは、日付/時刻やターゲット情報を必要としない特徴量に対してのみ実行されることに注意してください（データ品質チェックの完全なリストについては、上の表を参照してください）。

データ品質評価には、データプレビューまたは特徴量タイルのサマリーを表示（まだ開いていない場合、ボタンにはサマリーを表示しないと表示されます）をクリックすることでアクセスできます。

次に、詳細を表示をクリックして詳細なレポートを開きます。

各データ品質チェックは、問題のステータスフラグ、問題の短い説明、および推奨メッセージ（適切な場合）を提供します。

データ品質チェック¶

データ品質に問題がないか、個々の特徴量をチェックするには：

1. 登録が完了したら、データセットを選択してデータ探索ページを開きます。

2. 左側の特徴量タブを開きます。 データ品質列は、DataRobotが特徴量でデータ品質の問題を検出したかどうかを示します。

   

3. アイコンにカーソルを合わせると、どのチェックが失敗したかを知ることができます。その後、探索的データインサイトを使用して訂正できます。