時間認識エクスペリメント¶

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。 Within each experiment, you have access to its Leaderboard and model insights, as well as information that summarizes the data and experiment setup.

There are two types of AI experiments available in Workbench:

• Time-aware modeling, described on these pages, uses date/time partitioning to models using time-relevant data to make row-by-row predictions, time series forecasts, or current value predictions "nowcasts".

• 予測モデリング。データに基づいて行単位の予測を行います。

For each, you can build models using either supervised or unsupervised learning.

• Supervised learning uses the other features of your dataset to make forecasts or predictions.
• Unsupervised learning uses unlabeled data to surface insights about patterns in your data, answering questions like "Are there anomalies in my data?".

次のセクションは、ワークベンチでの時間認識エクスペリメントの構築を理解するのに役立ちます。

機能に関する注意事項¶

ワークベンチで日付/時刻パーティションプロジェクトを処理する場合は、次の点に注意してください。

• 派生した特徴量には特徴量セットを作成できません。
• モデル比較はサポートされていません。
• Eureqaモデルのインサイトは使用できません。