メイン コンテンツをスキップする 補完的コンテンツへスキップ

チュートリアル – Qlik AutoML を使って予測アプリを作成する

このチュートリアルでは、Qlik AutoML を使用してデータを分析し、プラットフォームで作成された予測データを視覚化するアプリを作成する方法について説明します。

二項分類問題の典型的な例である顧客チャーンのシナリオについて考えます。 目標は、顧客がサービスのサブスクリプションをキャンセルするか、継続するかを確実に予測できるようにすることです。このタイプの問題には、true または false (チャーンする、またはチャーンしない) の 2 つの結果しかありません。

この機械学習の問題に取り組むには、まず結果がわかっている一連のデータを処理し、次にそのデータから作成された統計モデリングを、新たに結果を予測するデータに適用します。このチュートリアルでは、このようなアプローチで進めていきます。

信頼性が高く正確なモデルを作成するには、トレーニング データセットに漏洩や「漏洩のある特徴量」が含まれていないことを確認する必要があります。データ漏洩は、トレーニング データの 1 つ以上の特徴量が予測しようとする対象変数を導き出すのに利用できる、あるいはトレーニング データの 1 つ以上の特徴量が予測時にはわからない情報を含んでいる場合に発生します。

このチュートリアルでは、実験を作成することから始めます。そこから、実験を改良して機械学習モデルに展開します。このモデルは予測を作成するために使用され、Qlik Sense アプリでビジュアライゼーションの形式で表示できます。

学習内容

このチュートリアルを完了すると、実験の作成と構成に含まれるさまざまなステップを理解できます。また、モデル スコアを解釈する方法についても学びます。最後に、機械学習モデルを展開することができ、予測データを使用して Qlik Cloud で説得力のあるビジュアライゼーションを生成する方法を理解します。

このチュートリアルを完了する必要がある対象者

このチュートリアルは、Qlik Cloud での自動機械学習の概要を学ぶユーザー向けです。

事前に必要な準備

このパッケージをダウンロードしてデスクトップに解凍します。

顧客チャーンのチュートリアル

パッケージには、このチュートリアルを完了するために必要な 2 つのデータ ファイルが含まれています。データ ファイルをカタログにアップロードします。

training データセットには、更新期限が過ぎて、サブスクリプションのサービスをチャーンするか継続するかを決定した顧客に関する情報が含まれています。

apply データセットには、まだ更新日を迎えていない新しい顧客に関する詳細が含まれています。これらの顧客がサービスをキャンセルするかどうかはまだ決まっていません。このチュートリアルの目標は、このような顧客の行動を予測することであり、顧客チャーンの可能性を減らすことを期待しています。

  1. Qlik Sense ハブを開きます。

  2. [新規追加] > [データセット] をクリックしてから、[データ ファイルをアップロード] を選択します。

  3. Customer churn data - training.csv ファイルをアップロード展開先パスにドラッグします。

  4. 次に、Customer churn data - apply.csv ファイルをアップロード展開先パスにドラッグします。

  5. スペースを選択します。個人スペース、または他のユーザーがこのデータにアクセスできるようにする場合は共有スペースにもできます。

  6. [アップロード] をクリックします。

データセットがアップロードされたら、実験の作成を実行できます。

このチュートリアルでのレッスン

このチュートリアル内のトピックは、順番に完了するよう構成されています。ただし、トピックをとばして、後で戻ることもできます。

追加の資料とリソース

  • Qlik では、さらなる詳細情報を提供する、広範なリソースをご用意しています。
  • Qlik オンライン ヘルプ を利用できます。
  • 無料のオンライン コースを含むトレーニングは、Qlik Continuous Classroom で利用できます。
  • ディスカッション フォーラム、ブログなどは、Qlik Community にあります。

お客様のご意見は重要です

フィードバックをお待ちしています。以下のセクションを使用して、弊社へのフィードバックをお知らせください。

このページは役に立ちましたか?

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。