実験の作成と構成

最初のステップとして、実験を作成して構成します。前にアップロードしたトレーニングデータセットを使用して、展開し予測できる状態になるまでモデルをトレーニングします。

新しい実験を作成する

次の手順を実行します。

実験の構成を開始する準備は完了していますが、開始する前に、データセットに注目してみましょう。

スキーマビューから開始します。ここでは、各行がデータセットの列を表すテーブルを確認できます。自動データ作成において、統計と洞察が生成されています。スキーマの右側までスクロールしないと、洞察が表示されない場合があります。

カーディナリティが高いため、AccountID が除外されていることがわかります。これは、列に含まれる一意の値が多すぎることを意味します。Country の特徴量は、すべての行で同じ値という反対の理由で除外されています。これら 2 つの特徴量は、機械学習モデルに何の価値ももたらしません。

また、カテゴリ特徴量の Territory が impact encoded であることもわかります。警告三角形の警告および情報アイコンにカーソルを合わせると詳細が表示されます。

データビューデータビューアイコンをクリックすると、データビューに切り替わります。ここでは、サンプルデータを含む、各列の詳しい情報を確認できます。

機械学習モデルで顧客チャーンを予測するため、Churned をターゲットとしてデータセットの最後の列で選択します。

次の手順を実行します。

[実験構成] パネルで、Churned が選択されていることがわかります。また、どの特徴量が自動的に選択され、除外されるかを確認することもできます。Churned はターゲットであるため、特徴量としては使われません。この実験が二項分類問題として扱われることもわかります。

この実験の最初の実行では、既定で選択されているすべての特徴量とアルゴリズムを含めます。ただし、ビジネス知識に基づいて、特定の特徴量がターゲットに影響を与えないことが既にわかっている場合は、この時点でそれらの選択を解除してトレーニングから除外できます。

構成が完了し、トレーニングを開始する準備が整いました。

次の手順を実行します。

実験の実行が終了したら、結果のモデルメトリクスを確認する次のステップに進むことができます。

このページまたはコンテンツに、タイポ、ステップの省略、技術的エラーなどの問題が見つかった場合は、お知らせください。改善に役立たせていただきます。