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。 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、およびデータとエクスペリメントのセットアップを要約した情報にアクセスできます。
ワークベンチでは、2つのタイプのAIエクスペリメントを利用できます。
-
これらのページで説明されている時間認識モデリングでは、行ごとの予測、時系列予測、または現在値の予測（「ナウキャスト」）を行うために、日付/時刻パーティションを使用して時間関連データでモデルを作成します。
-
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。
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。
| トピック | 説明 |
|---|---|
| エクスペリメントを作成 | |
| 教師ありエクスペリメントのセットアップ | 時間関連データを予測するモデルを構築するターゲットを指定します。 教師あり学習では、データセットの他の特徴量を使用して予測を行います。 |
| 教師なしエクスペリメントのセットアップ | データのパターンに関するインサイトを明らかにしたり、異常検知によって外れ値を特定したりするクラスタリングモデルを構築します。 教師なし学習では、ラベル付けされていないデータを使用して、データのパターンに関するインサイトを明らかにし、「データに異常があるか？」などの質問に答えます。 |
| モデルの管理 | |
| リーダーボードを管理 | リーダーボードの操作とフィルター。特徴量セットの作成。 |
| モデルの追加/再トレーニング | 既存のモデルを再トレーニングし、ブループリントリポジトリからモデルを追加します。 |
| モデルインサイトを探索 | |
| モデルを評価 | モデルのインサイトを表示すると、モデルの評価に役立ちます。 |
| リファレンス | |
| 時系列リファレンス | 時系列モデリングを実装するためのDataRobotフレームワークを説明したリファレンス資料を参照できます。 |
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。
更新しました 2025年3月14日
このページは役に立ちましたか？
ありがとうございます。どのような点が役に立ちましたか？
より良いコンテンツを提供するには、どうすればよいでしょうか？
アンケートにご協力いただき、ありがとうございました。