リーダーボードを管理¶

モデリングを開始すると、モデルのリーダーボードの構築が開始されます。これは、クイックモデル評価に役立つパフォーマンスでランク付けされたモデルのリストです。 リーダーボードには、エクスペリメントで構築された各モデルについてのスコアリング情報を含む情報のサマリーが表示されます。 リーダーボードから、モデルをクリックして視覚化にアクセスして、さらに詳しく調べることができます。 これらのツールを使用すると、次のエクスペリメントで何をする必要があるかを評価するのに役立ちます。

DataRobotは、リーダーボードを構築する際にモデルを入力し、最初は最大50のモデルを表示します。 追加のモデルをロードをクリックすると、クリックするたびに50のモデルが読み込まれます。

64%のサンプルサイズフェーズでワークベンチが クイックモードを完了した後、最も精度の高いモデルが選択され、データの100%でトレーニングされます。 そのモデルには、デプロイの準備済みバッジが付けられます。

This page describes the summary information available for models and experiments as well as the controls available for working with the Leaderboard model listing:

• View model information
• View experiment information
• モデルを絞り込む
• モデルの並べ替え
• クイックコントロール
• ユースケースディレクトリからのエクスペリメントの管理

Models are also available for comparison and further investigation. Click on any model to access two "flavors" of Leaderboard available, described on the following pages:

モデル情報¶

As soon as a model completes, you can select it from the Leaderboard listing to open the Model Overview where you can:

• See specific details about training scores and settings.
• Retrain models on new feature lists or sample sizes. デプロイの準備済みモデルの特徴量セットは、 「フローズン」実行であるため変更できません。
• Access model insights.

Model build failure¶

If a model failed to build, you will see that in the job queue as Autopilot runs. Once it completes, the model(s) are still listed in the Leaderboard but the entry indicates the failure. Click the model to display a log of issues that resulted in failure.

Use the Delete failed model button to remove the model from the Leaderbaord.

エクスペリメント情報を表示¶

エクスペリメント情報を表示をクリックしてエクスペリメント情報パネルを開き、以下のタブにアクセスできます。

「セットアップ」タブ¶

設定タブは、このリーダーボードでモデルを構築するために使用されるパラメーターを説明します。

データタブ¶

The Data tab provides a variety of information about the data that was used to build models, including:

• Summary analytics.
• Exploratory data insights, accessed by clicking the dataset explorer link.
• 有用性.

デフォルトでは、データセット内にあるすべての特徴量が表示されます。 特徴量セットでフィルターに切り替えてセットを選択することで、単一の特徴量セットに固有の特徴量の分析のみを表示できます。

Click on the arrow or Actions menu next to a column name to change the sort order.

有用性¶

The green bars displayed in the Importance column are a measure of how much a feature, by itself, is correlated with the target variable. Hover on the bar to see the exact value.

• Value：これにより、その特徴量だけを使用してモデルを構築する場合に期待される指標スコアが（概ね）分かります。 多クラスの場合、Valueは各クラスの二値有用性上位モデルからの加重平均として計算されます。 二値分類および連続値の場合、選択したプロジェクト指標を使用して検定セットで評価された有用性上位モデルからの予測です。
• Normalized Value：正規化されたValue。1までのスコア（スコアが高いほど良い）。 0は、精度がトレーニングターゲットの平均を予測することと同じであることを意味します。 スコアが0未満の場合は、ACEモデルの予測がターゲットの平均モデルよりも劣っていること（過剰適合）を意味します。

これらのスコアは、その特徴量だけを使用してターゲットを予測するシンプルなモデルの予測能力の指標を示します。 （スコアはエクスポージャーによって調整されますが、これはエクスポージャーパラメーターを使用している場合のみ行われます。） スコアは、プロジェクトの精度指標を使用して測定されます。

特徴量は、最も有用性の高いものから低い順にランク付けされています。 各特徴量の横にある緑色のバーの長さは、その相対的な有用性を示しています。—バーの全長と比較したバーの緑色の量は、潜在的な特徴量の最大の有用性を示しています（Normalized Valueに比例しています）。—バーの緑色が強いほど、その特徴量がより高い有用性であることを示しています。 緑色のバーの上にマウスを置くと両方のスコアが表示されます。 これらの数値は、その特徴量だけを使用するモデルのプロジェクト指標（プロジェクトが実行されたときに選択された指標）に関するスコアを表しています。 リーダーボードで指標を変更してもツールチップに表示されるスコアには影響しません。

特徴量セットタブ¶

特徴量セットは、DataRobotでモデルの構築と予測に使用する特徴量のサブセットを制御します。 ターゲットリーケージの原因となる特徴量を除外したり、または重要でない特徴量を削除して予測を高速化したりできます。

When you select the Feature lists tab, the display shows both DataRobot's automatically created lists and any custom feature lists ("Top4" in this example).

The following actions are available for feature lists from the actions menu to the right of the Created by column:

カスタム特徴量セットは、以下で説明するように、 データエクスプローラーからのモデリング前、またはデータタブや特徴量セットタブからの モデリング後に作成できます。

特徴量セットを作成¶

カスタム特徴量セットを作成するには、特徴量を個別に選択するか、または 一括アクションを使用します。 特徴量名列の左側にあるチェックボックスを使用して、選択を追加またはクリアします。

特徴量を個別に選択するには：

1. データタブまたは特徴量セットタブから、+ 特徴量セットを作成を選択します。

   

2. 特徴量の表示元：ドロップダウンを使用して、選択可能な表示済み特徴量を変更します。 デフォルトでは、元の特徴量セットから特徴量をリスト表示します。 すべての自動生成されたカスタムリストは、ドロップダウンから使用できます。

   

3. 含めたい各特徴量の横にあるボックスを選択します。

   

4. オプションで検索フィールドを使用して、特徴量の表示元：の選択範囲で検索文字列に一致する特徴量のみを表示するように更新します。

5. リストを保存します。

特徴量セットの一括操作¶

一度に複数の特徴量を追加するには、一括選択ドロップダウンから方法を選択します。

特徴量セットの保存¶

リストのすべての特徴量を選択した後、オプションでリスト名を変更し、特徴量セットのサマリーに説明を入力します。 サマリーには、リストに含まれる特徴量の数とタイプも表示されます。

次に、特徴量セットを作成をクリックして情報を保存します。 新しいセットは、 特徴量セットタブのリストに表示されます。

ブループリントリポジトリタブ¶

ブループリント リポジトリは、選択したエクスペリメントで使用できるモデリングブループリントのライブラリです。 ブループリントは、モデル自体ではなく、モデルの構築に使用されるタスクを示します。 リポジトリにリスト済みのモデルブループリントは、まだ構築されているとは限りませんが、エクスペリメントのデータおよび設定と互換性のあるタイプである可能性があります。

ブループリントリポジトリにアクセスするには、以下の2つの方法があります。

• リーダーボードモデルの ブループリントタブから

  

• エクスペリメント情報を表示リンクをクリックして、ブループリントリポジトリタブを選択します。

  

モデルを絞り込む¶

フィルターを使用すると、関連するモデルの表示とフォーカスが容易になります。 モデルを絞り込むをクリックして、リーダーボードのワークベンチに表示されるモデルの条件を設定します。 各フィルターで使用できる選択は、エクスペリメントおよびモデルタイプ（少なくとも1つのリーダーボードモデルで使用されたタイプ）に依存し、モデルがエクスペリメントに追加されると変更される可能性があります。 例：

モデルの並べ替え条件¶

デフォルトでは、リーダーボードは、選択した 最適化指標を使用して、検定パーティションのスコアに基づいてモデルをソートします。 ただし、制御によるモデルの並べ替えを使用して、モデルを評価するときに表示パラメーターの基準を変更できます。

ワークベンチでは、データにとって最適な指標を使用してプロジェクトが構築されていますが、各モデルに適用される多くの指標が計算されることに注意してください。 構築が完了した後、別の指標に基づいてリーダーボードのリストを再表示できます。 モデル内の値は変更されませんが、この代替指標でのパフォーマンスに基づいてモデルの一覧の表示順序が変更されます。

それぞれの詳細については、 最適化指標のページを参照してください。

コントロール¶

ワークベンチは、シンプルで迅速なコントロールを提供します。

アイコン	アクション
	別の特徴量セット、別のモデリングモード、または追加の自動化設定（GPUのサポートなど）を適用してオートパイロットを再実行します。 すでに実行された特徴量セットを選択した場合、ワークベンチでは削除されたモデルが置換されることになるか、または何も変更されません。
	エクスペリメントを複製します。データセットのみを再利用、またはデータセットと設定を再利用するオプションがあります。
	エクスペリメントとそのモデルを削除します。 エクスペリメントがアプリケーションで使用されている場合、削除することはできません。
	リーダーボードパネルをスライドさせて閉じると、インサイトの表示などのためのスペースを確保できます。

エクスペリメントを管理¶

モデルを構築した後の任意の時点で、ユースケース内から個々のエクスペリメントを管理できます。 Click the Actions menu to the right of the experiment name to delete it. エクスペリメントを共有するには、ユースケースの メンバーを管理ツールを使用して、エクスペリメントおよびその他の関連アセットを共有します。

次のアクション¶

エクスペリメント情報を確認後、以下を実行できます。

• View experiment insights.
• エクスペリメントでモデルを比較します。