基本的なエクスペリメント設定¶

ワークベンチで実行可能なAIエクスペリメントの「タイプ」は2つあります。

• 予測モデリング（基本設定についてはこのページ、詳細設定については こちらで説明）では、データに基づいて行単位の予測を行います。
• 時間認識モデリング。 こちらで説明しています。 時間に関連するデータを使用してモデルを作成し、行単位の予測、時系列予測、または現在値の予測である 「ナウキャスト」を行います。

エクスペリメントは、 ユースケース内の個々の"プロジェクト"です。 データ、ターゲット、モデリング設定を変更しながら、ビジネス問題を解決するための最適なモデルを見つけることができます。 各エクスペリメント内では、そのリーダーボードと モデルのインサイト、および エクスペリメントのサマリー情報にアクセスできます。

基本を作成¶

ユースケース内から新しいエクスペリメントを作成するには、次の手順に従います。

特徴量セットを作成¶

モデリングの前に、データタブからカスタム特徴量セットを作成できます。 モデリングの設定中にそのセットを選択すると、DataRobotはそのセットの特徴量のみを使用して、モデリングデータを作成します。

新しいセットを作成するには：

1. ユースケースから、モデリングするデータセットを選択し、データプレビューを開きます。

2. ページの上部にあるドロップダウンをクリックし、+ 新しい特徴量セットを選択して特徴量ビューを開きます。

   

3. 各特徴量の横にあるカスタムセットに含めたいチェックボックスを選択します。 次に、特徴量セットを作成をクリックし、名前と説明（オプション）を入力し、変更を保存をクリックします。

   

エクスペリメントを追加¶

ユースケース内から追加をクリックし、エクスペリメントを選択します。 新しいエクスペリメントの設定ページが開き、ユースケースにロード済みのすべてのデータが一覧表示されます。

データを追加¶

新しいデータを追加 する（1）か、ユースケースに既にロードされているデータセットを選択する（2）ことにより、エクスペリメントにデータを追加します。

データがユースケースにロードされたら（上記のオプション2と同様）、エクスペリメントで使用するデータセットをクリックして選択します。 ワークベンチは、データのプレビューを開きます。

ここから、次のことができます。

ターゲットの設定¶

ターゲットの選択に進むと、ワークベンチでは、モデリング用のデータセットが準備されます（EDA 1）。

EDA1が終了したとき、ターゲットを設定するには次のどちらかを実行します。

DataRobotは、指定されたターゲット特徴量の値の数に応じて、自動的にエクスペリメントのタイプ（連続値または分類）を決定します。 分類エクスペリメントは、二値（二値分類）または3つ以上のクラス（多クラス）のいずれかになります。 次の表は、DataRobotが数値および非数値のターゲットデータ型にデフォルトの問題タイプを割り当てる方法を示しています。

ターゲットを選択すると、ワークベンチには、ターゲット特徴量の分布に関する情報を提供するヒストグラムと、右ペインにエクスペリメント設定の概要が表示されます。

ここでは以下の操作を行うことができます。

• 連続値エクスペリメントを変更して多クラスエクスペリメントにします。

• 次へをクリックして、追加設定を表示します。そこでは、デフォルトの設定でモデルを作成したり、設定を変更したりすることができます。

• 多クラス分類エクスペリメントの場合、分類設定をさらに表示をクリックして、さらに集計設定を行います。

デフォルト設定を使用する場合は、モデリングを開始をクリックして、 クイックモードのオートパイロットモデリングプロセスを開始します。

連続値ターゲット¶

連続値エクスペリメントは、ターゲットが数値であるエクスペリメントです。 連続値予測問題は、入力変数（特徴量）のリストが与えられた場合、連続値（1.7、6、9.8...など）を予測します。 連続値問題の例には、財務予測、時系列予測、メンテナンスのスケジューリング、および気象分析などがあります。

連続値エクスペリメントは、ターゲットタイプを数値から分類に変更することで分類として処理することもできます。

連続値問題（数値ターゲット）を分類に変更するには、ターゲットタイプを識別するラジオボタンを変更します。

ターゲットタイプを変更すると、 多クラス設定オプションが有効になります。 ターゲットに1000を超える数値（クラス）がある場合、以下で説明する低頻度のクラスを集計オプションがデフォルトで有効になります。

分類のターゲット¶

分類エクスペリメントで、モデルは、特定のクラスの共通の特性を識別することにより、観測値をカテゴリーにグループ化します。 これらの特性を分類しているデータと比較し、観測値が特定のクラスに属する可能性を推定します。 分類プロジェクトは二値（2つのクラス）または多クラス（3つ以上のクラス）に分けることができます。

分類エクスペリメントの設定は、タイプ（クラス数）に依存し、ターゲット特徴量エントリーの下にターゲットタイプとしてレポートされます。二値分類またはターゲットタイプ：分類。この場合、クラスの数も報告されます。

多クラス混同行列は、あるクラスが別のクラスとして誤ってラベル付けされたモデルの場所を視覚化するのに役立ちます。

基本設定のカスタマイズ¶

エクスペリメントパラメーターを変更することは、ユースケースで同じ手順を繰り返すよい方法です。 モデリングを開始する前に、さまざまな設定を変更できます。

	設定	変更対象
	Positiveクラス	二値分類プロジェクトの場合のみ。 予測スコアが分類しきい値よりも高い場合に使用するクラス。
	モデリングモード	モデリングモード。DataRobotがトレーニングするブループリントに影響します。
	最適化指標	DataRobotで推奨されているものとは異なる最適化指標に変更します。
	トレーニング特徴量セット	DataRobotでモデルの構築に使用する特徴量のサブセット。

モデリングモードの変更¶

デフォルトでは、DataRobotはクイックオートパイロットを使用してエクスペリメントを構築します。 ただし、モデリングモードを変更することで、特定のブループリントまたは該当するすべてのリポジトリブループリントをトレーニングすることもできます。

以下の表では、各モデリングモードについて説明しています。

最適化指標の変更¶

最適化指標は、DataRobotによるモデルのスコアリング方法を定義します。 ターゲット特徴量を選択した後、モデリングタスクに基づいて最適化メトリックが選択されます。 通常、モデルのスコアリングのために DataRobotが選択する指標が、エクスペリメントに最適な選択です。 推奨された指標を上書きし、別の指標を使用してモデルを構築するには、最適化指標ドロップダウンを使用します。

利用可能な指標の完全なリストと説明については、リファレンス資料を参照してください。

特徴量セットの変更（モデリング前）¶

特徴量セットは、DataRobotでモデルの構築に使用する特徴量のサブセットを制御します。 デフォルトでは 有用な特徴量セットですが、モデル構築の前に変更できます。 変更するには、特徴量セットドロップダウンをクリックし、別のセットを選択します。

エクスペリメントの構築が終了したら、モデルごとに 選択済みリストを変更することもできます。

追加の自動化を設定¶

高度な設定に移動する前に、またはモデリングを開始する前に、他の自動化を設定できます。

ターゲットを設定し、基本設定を表示した後、追加の自動化設定を表示を展開して、追加のオプションを表示します。

GPUでのトレーニング¶

テキストや画像を含み、ディープラーニングモデルを必要とするデータセットの場合、 GPUでのトレーニングを選択すると、トレーニング時間を短縮できます。 一部のモデルはCPU上で実行できますが、他のモデルでは、適切なレスポンス時間を実現するためにGPUが必要です。 GPUでのトレーニングを許可するを選択すると、DataRobotは特定のタスクを含むブループリントを検出し、オートパイロットの実行にGPU対応のブループリントを含めます。 GPUバリアントとCPUバリアントの両方がリポジトリに用意されており、トレーニングに使用するワーカーのタイプを選択できます。GPUバリアントのブループリントは、GPUワーカーでより速くトレーニングできるように最適化されています。 GPUの使用については、以下の点を考慮してください。

• リーダーボードが生成されると、 フィルターを使用してGPUベースのモデルを簡単に識別できます。
• モデルを 再トレーニングすると、結果として得られるモデルもGPUを使用してトレーニングされます。
• 手動モードを使用すると、 ブループリントリポジトリでフィルターすることでGPU対応のブループリントを識別できます。
• 最初にGPUでトレーニングするように選択しなかった場合、リポジトリを介して、またはモデリングを再実行することで、GPU対応のブループリントを追加できます。

• GPUでトレーニングされたモデルは、リーダーボードでバッジが付けられます。

  

モデリングを開始¶

Once all settings are applied, you can begin model training. To do so, click Next and either:

• モデリングを開始をクリックして、 クイックモードの予測モデリングプロセスを開始します。

  

• より 高度な設定をカスタマイズします。

• ターゲットページに戻ることで、モデリングを開始する前に、プロジェクトのターゲットまたは特徴量セットを変更できます。 戻るには、サマリーのターゲットアイコン、戻るボタン、またはターゲットフィールドをクリックします。

  

When training begins, DataRobot runs EDA2 and further evaluates the data. Use the queue in the far-right panel to:

• Control the number of workers applied to the experiment. Increase or decrease workers for your experiment as needed.

  

• View the jobs that are running, queued, and failed.

Expand the queue, if necessary, to see the running jobs and assigned workers.

次のアクション¶

モデリングを開始すると、DataRobotでリーダーボードにモデルが入力されます。 以下を実行することが可能です。

• エクスペリメント情報を表示 オプションを使用すると、エクスペリメントに関するさまざまな情報を表示できます。
• 使用可能なモデルで モデル評価を開始します。