時間認識のデータラングリング¶

特徴量エンジニアリングは、ユースケース要件にうまく対処するための主要な要素です。 ラングリング操作のレシピを作成し、最初にサンプルに適用してから、検証されたときに完全なデータセットの時間認識データに適用することで、データ準備段階で時系列特徴量エンジニアリングを実行できます。 入力データに対してラグやローリング統計のような処理を実行することで、モデリングの 前に どの時間ベースの特徴量を生成するかを制御できます。 時間認識操作と非時間認識操作の両方を追加した結果として得られるプレビューを確認することで、パブリッシュする前に調整できるため、自動的に実行される処理がユースケースに合わない場合に、モデリングを再実行する必要がなくなります。

このページでは、時間認識ラングリングに固有のワークフローについて説明します。 詳細については、 完全なラングリングドキュメントも参照してください。

基本的なワークフロー¶

以下に基本的なワークフローについて説明します。

1. 設定されたデータ接続を使用して、Snowflake、Databricks、またはBigQueryに接続します。 データに接続したら、ユースケースに追加ではなく、ラングリングオプションを使用することが重要です。 追加した場合、サンプルは静的なデータセットとして取り込まれ、ラングリングの対象にはなりません。
2. プレビュー設定から、ライブサンプルを設定します。
3. サンプリング設定が完了したら、再サンプリングをクリックして設定を適用します。
4. レシピパネルから操作を追加します。

サンプリング方法の設定¶

デフォルトでは、DataRobotはライブサンプルに対して10000のランダム行を取得します。

時間認識ラングリングを使用、具体的には、サンプルに派生プランを作成するようにDataRobotを設定するには、日付/時刻サンプリング方法を使用する必要があります。 つまり、日付/時刻以外のサンプルにはラグとローリング統計を適用できますが、 提案された派生プランが提供する自動化を利用することはできません。

日付/時刻サンプリングを設定するには、プレビュー設定を開き、サンプリング方法を日付/時刻に設定します。

次に、以下の表に記載されている日付/時刻に特化したフィールドに入力します。

すべてのフィールドに入力してリサンプリングをクリックします。 ライブサンプルが更新され、設定に基づいて選択されたデータが表示されます。 これで操作を追加できるようになりました。

操作の追加¶

操作とは、モデリングの準備を行うためにソースデータに適用される変換のことです。 以下のセクションでは、時間認識の操作について説明します。他の操作やレシピ内での操作の使用方法に関する情報については、 操作リファレンスを参照してください。 変換の設定を開始するには、+ 操作の追加をクリックします。

以下の時間認識固有の操作が可能です。

特定の操作のすべてのフィールドに入力したら、+ レシピに追加をクリックします。 プレビューは、変更内容に基づいて更新されます。 各操作のサマリーは、レシピパネルに表示されます。

時系列特徴量の派生¶

時間認識ラングリングを使用する場合、データは指定された日付列（「順序付け特徴量」）で順序付けされ、該当する場合は系列ID列でパーティション分割されます。 特徴量派生ウィンドウ（FDW）は行で定義されます。 これらのウィンドウでは、ウィンドウの開始は除外され、終了が含まれます。 つまり、データセットは日付順に「並べ替え」られ、たとえばFDW=5の場合、5行が特徴量の派生に使用されます。

時系列特徴量の派生操作では、新しい時系列特徴量が生成されます。 まず、基本的な情報を提供すると、DataRobotは予測距離に従ってデータを拡張し、（指定されている場合は）事前に既知の列とナイーブベースライン特徴量を追加してから、元のサンプルを置き換えます。 新しい特徴量を作成するには、DataRobotに派生プランを提案させて自動的に新しい特徴量を作成させるか、最大200の特徴量のタスクを手動で追加するか、またはハイブリッドアプローチを適用することができます。

パラメーターの設定¶

自動派生プランを使用するためのパラメーターを設定するには、サンプリング方法を日付/時刻に設定した後、時系列特徴量を派生操作を選択します。 また、サンプリング方法がランダムまたはN行の場合は、時間認識ラングリングパラメーターを設定できますが、自動化を利用することはできません。

次の表に、設定するパラメーターを示します。

すべての設定は、右側のパネルのサマリーにまとめられていることに注意してください。 すべてのフィールドが入力され正しい場合、次へをクリックします。

派生のための特徴量¶

次へをクリックすると、派生のための特徴量パネルが開きます。

派生時系列の特徴量を作成するには、次のオプションを使用できます。

派生プランの提案¶

サンプリング方法を日付/時刻に設定し、指定した設定に基づいてラグとローリング統計をDataRobotに作成させたい場合は、派生プランの提案オプションを使用します。 オプションをクリックしてフィールドに入力します。

* 予測ポイントは特徴量派生ウィンドウの一部です。特徴量派生ウィンドウの*端*は常にゼロです。 このため、時系列データラングリングには、 [ブラインド履歴ギャップ](../../../../modeling/time/ts-adv-modeling/ts-customization.md#blind-history-example){ target=_blank }はありません。

すべてのフィールドに入力したら、プランを作成を選択します。 DataRobotは特徴量に操作（タスク）を適用します。

左側のパネルで特徴量名をクリックすると、作成されたタスクが中央のパネルに反映されます。 そこから、特徴量にさらにタスクを追加するには、派生タスクを追加をクリックします。 最終的にモデリングデータセットに適用したくないタスクを削除するには、タスクを削除をクリックします。 右側のパネルでは、特徴量ごとのタスクがサマリーに追加されます。

プランの見直し：

• 派生プランに問題がなければ、レシピに追加をクリックします。 ライブサンプルは、DataRobotがデータソースから新しいサンプルを取得し、操作を適用すると更新され、変換をリアルタイムで確認できます。
• 問題がある場合は、派生プランの提案をクリックして、設定を別の値にリセットします。 元の出力は、新しいプランからの出力で上書きされます。

手動で特徴量を追加¶

サンプリング方法に関係なく、特徴量を手動で追加するには、 パラメーターを設定し、手動で特徴量を追加するオプションをオンに切り替えます。 エントリーボックスをクリックして派生する特徴量を選択してから、追加をクリックします。

左側のパネルのリストに特徴量が追加され、派生の設定が中央パネルで使用可能になります。 または、左側のパネルで以前に追加した特徴量をクリックして派生設定を開きます。たとえば、設定を見直したり、タスクを追加または削除したりする場合に使用できます。

タスクを追加するには、タスクドロップダウンから選択します。 各タスクには、独自の設定フィールドがあります。

派生タスクを追加をクリックしてタスクを追加するか、タスクを削除をクリックして、派生の設定から個々のタスクを削除します。 特徴量を操作すると、DataRobotは右と左のパネルにタスクの数（未設定のタスクを含む）を報告します。

すべての派生タスクが特徴量に設定されたら、レシピに追加をクリックします。 ライブサンプルは、DataRobotがデータソースから新しいサンプルを取得し、操作を適用すると更新され、変換をリアルタイムで確認できます。

ハイブリッドアプローチ¶

サンプリングを日付/時刻に設定すると、派生プランの提案の自動化を活用しながら、設定が原因で見逃した可能性のある特徴量を追加できるハイブリッドアプローチを使用できます。 また、変換された特徴量にタスクを追加することもできます。

自動化されたプランが変換を作成した後に、新しい特徴量を追加するには、以下のいずれかの操作を行います。

• 手動で特徴量を追加をオンに切り替えて、特徴量を検索してから、タスクを設定します。
• 左側のパネルで特徴量をクリックしてタスクの設定を表示し、派生タスクを追加をクリックして、その特徴量の新しいタスクを設定します。

すべての特徴量の変換手順が完了したら、レシピに追加をクリックします。 ライブサンプルは、DataRobotがデータソースから新しいサンプルを取得し、操作を適用すると更新され、変換をリアルタイムで確認できます。

ラグ特徴量¶

ラグは、ある事象の発生とその影響の間の特定の時間間隔を表しており、時系列データにおける特徴量間の遅延関係を捉える上で重要です。 ラグ測定（3、7など）は、データで検出される時間ステップに基づいて実装されます。 ラグは現在の行を基準に計算されます。最初のラグは前の行、2番目のラグは2行前など。 ラグ特徴量をクリックして、ラグを設定します。

次の表にフィールドを示します。

ローリング統計の派生¶

ローリング統計では、指定した数の行で構成されるローリングウィンドウに対して統計量を計算できます。 これらはユーザー定義関数（UDF）として追加され、数値特徴量とカテゴリー特徴量の両方に対して作成できます。 これらのヘルパー関数は2つの場所から設定できます。

操作の追加時系列特徴量の派生

右側のパネルから。 たとえば、数値の場合は以下のとおりです。

設定として：

操作の出力は以下の通りです。

• 数値： 指定された統計方法に応じて、1つまたは複数の列
• カテゴリー：現在の行を含むウィンドウで計算された1つの列

次の表は、数値ローリング統計とカテゴリーローリング統計の両方のフィールドを示します。

UDFの指定¶

中央値統計（数値特徴量の場合）または最頻値統計（カテゴリー特徴量の場合）を使用する場合、UDFはクエリーのパフォーマンスを向上させるために不可欠であり、DataRobotでは、時系列の操作を行う際にUDFを使用することを推奨しています。 これらは、ウィンドウの作成に追加の結合を必要とせずに、より小さく高速なSQLを生成します。 関数を作成（DataRobotで生成、またはURL経由でリンク）すると、レシピのデータストアに追加されます。 つまり、それらを保存して再利用します。 関数を含むSQLスクリプトは、GitHubで入手できます。 スクリプトには、さまざまなデータベースのローリング中央値と最頻値の統計を計算するUDF/集計が含まれています。

数値またはカテゴリーのローリング統計に関数を追加するには、関数オプションを切り替えます。

有効にすると、関数の原点を指定するオプションを利用できるようになります。

保存された関数¶

このレシピのデータソースに以前追加されたDataRobot生成の関数から選択するには、保存された関数を選択します。 保存されている関数がない場合は、新しい関数オプションを使用します。

新しい関数¶

新しい関数を作成する場合、自動または手動で作成するオプションがあります。

機能に関する注意事項¶

• 時間認識ラングリングでは、Snowflake、Databricks、BigQueryの接続のみが一般提供機能です。 Postgresの接続とDataRobotのデータレジストリデータセットは現在プレビュー機能です。

• 出力特徴量の最大数は200です。

• 浮動小数点数は、複数系列の特徴量には使用できません。

• 日付/時刻列の値は、日付、タイムスタンプ、またはタイムゾーンを含むタイムスタンプでなければなりません。

• 連続値エクスペリメント（数値ターゲット）のみがサポートされています。

• 1つの派生プランのみ許可されています。 さらに必要な場合は、プランの出力に特徴量を手動で追加できます。

• 日や分などの時間単位で定義されたウィンドウはサポートされていません。

• 入力データセットのデータ品質の検定はありません。

次のステップ¶

ここから、次のことができます。

• レシピをデータソースにパブリッシュし、新しい出力データセットを生成します。