分類ソリューションの作成とトレーニング
分類ソリューションのトレーニングに使用するレコード、予測をトリガーするフィールド、およびソリューションを再トレーニングする頻度を指定します。
始める前に
- カスタムストップワードリストの作成 必要に応じて。
- 必要なロール：admin または ml_admin
重要:
Yokohamaリリースでは、分類、クラスタリング、および類似性フレームワークのモデルでワークフローソリューションが使用されます。これらは事前にトレーニングされているため、新しいソリューションにワードコーパスは必要ありません。ワードコーパスを含む既存のソリューションがアップグレード後に再トレーニングされると、それらはワークフローソリューションになり、[ワードコーパス] フィールドはフォームから削除されます。
このタスクについて
予測モデルの品質は、そのトレーニングに使用するデータによって決まります。トレーニングに適したレコードを選択するには、テーブルのデータベースディクショナリと、使用するレコード値の現在の品質を調べます。
暗号化されたトレーニングデータの使用については、「 予測インテリジェンスでのデータ暗号化」を参照してください。
トレーニングに使用できるレコードの最小数と最大数の詳細については、「 予測インテリジェンスのプロパティ」を参照してください。
注:
トレーニングデータセット内のレコードが 30 未満のクラスは、ソリューショントレーニングから除外されます。ソリューションがトレーニングされて完了すると、除外されたクラスが ML ソリューションフォームの [ソリューション統計情報] セクションに一覧表示されます。
サポートする予測モデルごとに個別のソリューション定義を作成する必要があります。次の手順では、新しい分類ソリューションを作成する方法について説明しますが、コンテキストメニューから [ ソリューション定義をコピー ] を選択して、既存のソリューション定義とその構成を新しいレコードにコピーすることもできます。必要に応じて、新しいレコードのフィールド値を編集します。
Yokohama リリースから、モデルの予測に影響を与える主要な特徴の分析を含める場合は、スクリプトを使用してワークフロー分類ソリューションを作成することもできます。詳細については、「モデルの説明可能性」を参照してください。
手順
-
トレーニング用にソリューションを送信した場合は、[トレーニングのアクティブ化] ウィンドウで [OK] をクリックして確定します。
- システムは、最寄りのトレーニングサービスでトレーニングを受けるようにソリューションをスケジュールします。トレーニングが完了すると、それを知らせる通知が送信されます。トレーニング中にエラーが発生した場合には、そのエラーも通知に記載されます。他のユーザーは、予測インテリジェンス 通知カテゴリに登録できます。トレーニングが完了すると、ソリューションは添付ファイルレコードとしてアップロードされます。
- バブルチャートがソリューションフォームの [ソリューション可視化] タブに入力され、ソリューションの対象となる各クラスの推定精度と範囲が表示されます。バブルのサイズは、クラスに属するレコードの割合 (分布) を示します。バブルをポイントすると、その推定カバー範囲、推定精度、および分布を確認できます。
次のタスク
ソリューションの [ソリューション統計情報] タブの [クラスの信頼性] セクションで、トレーニング済みのソリューションの精度と範囲の統計情報を確認します。
ソリューションの [ソリューションをテスト] タブで、[簡単な説明] などの入力フィールドから値を入力して、予測出力をテストできます。