特徴量変換を用いた予測¶

特徴量変換を用いて予測を行う場合、DataRobotは予測距離ごとに行を割り当て、各距離に別個のモデルを構築してから、1行ずつ予測します。 This method uses time-aware wrangling for transparent and flexible feature engineering.

使用するタイミング¶

この方法は、以下の場合に使用します。

• データセットのサイズが10GBを超えている。
• 時系列予測は必要ないが、予測距離に基づく予測を行いたい。
• 完全に透過的な変換プロセスが必要である。
• 時系列ブループリントのリポジトリにアクセスしたい。

使用方法¶

この方法を使用するには：

1. 時間認識ラングリングを使用して、データセットを準備します。
2. 基本的な時間認識モデリングで説明されている設定のパーティション部分を実行します。
3. 時系列モデリングを有効にし、時系列特徴量派生プロセスをすべて実行せずに、特徴量派生のためのパラメーターを設定します。

graph TB
  A[データをアップロード] --> B["ラングリングを設定（特徴量エンジニアリング）"]
  B --> C[エクスペリメントを作成];
  C --> D[日付/時刻パーティションを有効にする];
  D --> E[順序付け特徴量を設定];
  E -. オプション .-> F[バックテストパーティションを設定];
  F -. オプション .-> G[サンプリングを設定];
  G --> H[時系列モデリングを有効にする]
  H --> I[特徴量エンジニアリングの自動化を無効にする]
  I --> J[モデルの選択基準を設定]
  J --> K[モデリングを開始] 

時間認識予測を有効にする¶

以下のいずれかのオプションを使用して、時間認識予測や時系列モデリングを開始するエクスペリメントを作成できるトグルにアクセスします。

• 時間関連データの日付/時刻パーティション設定ページから時系列モデリング設定に移動を選択します。

  

• エクスペリメントのサマリーパネルで時系列モデリングを選択します。

  

• 上部のタブで時系列モデリングを選択します。

  

どのオプションを選択しても、時系列モデリングタブの設定が開きます。 そこから、時系列モデリングを有効にするをオンに切り替えます。

特徴量エンジニアリングを無効にする¶

時間認識データを使用して予測を行うと、従来の時系列モデリングでサポートされているデータセットよりもはるかに大規模なデータセットでモデルを作成できます。 これは、時間認識ラングリングレシピを作成し、データに適用することで実現します。 レシピを使用すると、必要に応じて特徴量変換をカスタマイズできます。特徴量派生がすでに適用されているため、DataRobotの自動プロセスを無効にする必要があります。 そうするには、オプションをオフに切り替えます。

モデリングパラメーターの設定¶

特徴量エンジニアリングが無効になると、追加の設定が可能になります。 設定を完了し、モデリングを開始するには、以下のうち少なくとも1つを設定する必要があります。 予測距離と系列IDの両方が、DataRobotで行をグループ化し、それらの行からモデルを構築して、予測を行う際に使われる基準を定義します。 予測オフセットは、モデルを構築またはスコアリングする際に、ベースラインモデルに追加する値を設定します。

• 予測距離
• 予測のオフセット
• 系列ID（複数系列プロジェクトの場合）

これらのパラメーターを1つ以上設定すると、時系列ブループリントを構築できます。 Without a "special" categorical column identified, DataRobot cannot use the time series blueprints and only those available to basic date/time partitioned predictions are available.