# 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。

1. 分析 アクティビティ センターの [作成] ページに移動し、 [ML 実験] を選択します。

2. 実験の名前を入力します (例: Customer churn tutorial)。

3. 必要に応じて、説明とタグを追加します。

4. 実験のスペースを選択します。個人スペースまたは共有スペースを選択できます。

5. [作成] をクリックします。

6. トレーニング データセット ファイルを選択します。これは、CSV または QVD のどちらを使用しているかに応じて、次のいずれかになります。

   * ML - Churn data - training.csv

   * ML - Churn data - training.qvd

## データのレビュー

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。

まず、 [構成] タブから始めます。既定のビューは、the スキーマ ビュー icon です。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、統計とインサイト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 the 三角形の警告 icon および情報 the 情報 icon アイコンにカーソルを合わせると詳細が表示されます。

Qlik Predict のトレーニング データセットのスキーマ ビュー

Qlik Predict のトレーニング データセットのスキーマ ビュー

Qlik PredictQlik Predict のトレーニング データセットのスキーマ ビュースキーマ ビュー ![特徴量に関するインサイトを備えた ML 実験のスキーマ ビュー。](https://help.qlik.com/ja-JP/cloud-services/Subsystems/Hub/Content/Resources/Images/ui-ml-exp-view-schema.png)

the データ ビュー icon をクリックします。このビューでは、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。

データ ビュー

データ ビュー

データ ビューデータ ビュー ![実験構成のデータ ビュー。](https://help.qlik.com/ja-JP/cloud-services/Subsystems/Hub/Content/Resources/Images/ui-ml-exp-view-data.png)

## ターゲットの選択

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。

1. the スキーマ ビュー icon に戻ります。

2. Churned のラジオ ボタンをクリックします。

ターゲットとして選択されているスキーマ ビューの行

ターゲットとして選択されているスキーマ ビューの行

ターゲットとして選択されているスキーマ ビューの行 ![選択されたターゲットのテーブル行。](https://help.qlik.com/ja-JP/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_ml-tutorial_target.png)

実験構成パネルで、 [実験設定] を展開します。Churned がターゲットとして選択されたことがわかります。ターゲットと使用可能な特徴量データに基づいて、 [実験タイプ] は [二項分類] になります。

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用されません。

実験構成パネルに表示される情報

実験構成パネルに表示される情報

実験構成パネルに表示される情報 ![選択されたターゲット、実験タイプ、既定の特徴量選択を含む実験構成パネル](https://help.qlik.com/ja-JP/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_ml-tutorial-exp-configuration.png)

## 特徴量選択とモデルの最適化

既定では、実験はインテリジェント モデル最適化を使用するように設定されています。確認するには、実験構成パネルで [モデルの最適化] を展開します。[インテリジェント] オプションを選択する必要があります。

構成パネルでインテリジェント モデル最適化を確認する

構成パネルでインテリジェント モデル最適化を確認する

構成パネルでインテリジェント モデル最適化を確認する ![インテリジェント モデル最適化をオンにした実験構成パネル](https://help.qlik.com/ja-JP/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_ml-tutorial_optimization.png)

特徴量の選択は、構成パネルの [特徴量] セクションで手動で構成できます。インテリジェント モデル最適化により、役に立たない特徴量を削除することにより特徴量の選択が自動的に処理されます。この設定をオンにすると、トレーニングに利用可能なすべての特徴量を含めることができます。

## 実験のトレーニング

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。

* [実験を実行] をクリックします。

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。