予測モデルの構築と管理
Creator アプリケーション内で AI モデルが実行されるたびに、AI コールが消費されます。予測フィールドの場合:
- すべての予測子フィールドに必要な入力が入力されると、ターゲットフィールドに予測結果を生成するための AI コールがトリガーされます。この AI コールは、利用中のAI コール上限およびCreator プランから差し引かれます。
- ターゲットフィールドに予測結果が表示される前後を問わず、いずれかの予測子フィールドが変更されると、モデルは更新された入力を使用して結果を再計算します。このとき追加の AI コールがトリガーされ、このコールもAI コール上限にカウントされます。
予測モデルは、過去データのさまざまなパターンを分析することで、将来のイベントや結果を予測します。詳しくは、予測モデルについてのページを参照してください。
予測モデルを設定するには、次の 4 つの手順に従います。
ステップ 1: 予測モデルを作成する
- 予測モデルを作成するには:
- 初めて AI モデルを作成する場合は、+ Create NewボタンをMicroservicesページ中央でクリックします。
- すでに AI モデルを作成済みの場合は、+ Create New ボタンをMicroservicesページ右上でクリックします。すべてのマイクロサービスがここに一覧表示されます。
- AI Modelsカードで作成ボタンをクリックします。AI Modelsホームページには 2 種類のモデルがあります。ユーザーのニーズに応じて構築できるカスタムモデルと、すぐにアプリケーションにデプロイできるすぐに使えるモデルです。
メモ: カスタムモデルとすぐに使える物体検出モデルの両方を作成できます。モデルタイプの詳細については、こちらを参照してください。
- Predictionカードを、AI ModelerページのBuild-Custom Modelsセクション内でクリックします。
- Model Nameを入力し、Create Modelをクリックします。Prediction Modeler画面が表示され、トレーニングデータを追加できます。トレーニングデータは、アプリケーション内のデータ、またはCSV ファイルから追加できます。
メモ: モデル名は30 文字以内である必要があります。
ステップ 2: トレーニングデータを追加する
トレーニングデータとは、モデルがパターンを見つけ、解釈を行い、予測を導き出すために使用する初期データセットです。モデルが入力情報を正しく認識し、与えられた情報に基づいて正確に判断できるように、トレーニングを行う必要があります。これにより、モデルが意図したとおりに動作するようになります。トレーニングデータは次の 2 通りの方法で与えることができます。
アプリケーションフォームのデータ
アプリケーションの項目に保存されているデータを選択し、モデルに取り込むトレーニングデータとして使用できます。
- Applicationラジオボタンを選択します。
- Application NameとForm Nameを、表示されるドロップダウンメニューから選択します。メニュー内の検索バーを使用して、目的の項目を素早く見つけることもできます。選択したらNextをクリックします。
- ベース項目と適切な従属項目を選択し、Nextをクリックします。
- モデルのトレーニングに使用するデータについて、すべてのレコードを含めるか、特定のレコードのみを含めるかを選択できます。 詳細はこちら
メモ: CSV ベースの予測モデルには条件を適用できません。
CSV ファイルからのデータ
アプリケーション内に十分なレコードがない場合でも、データが CSV 形式のファイルに保存されていれば、そのファイルを予測モデルのトレーニングデータとして使用できます。
- CSV のラジオボタンを選択します。
-
トレーニングデータを CSV 形式でアップロードします。このタイミングで、× アイコンをクリックしてファイルを削除し、必要に応じて別のファイルをアップロードできます。
メモ:
-
アップロード前に、データ列内のレコードがすべて入力されているか確認してください。CSV ファイル内に欠損データがある場合は、そのレコードを削除するか必要なデータを追加してからアップロードしてください。
-
CSV ファイルの最大サイズは 4MB です。
-
その他のガイドラインについてはこちらを参照してください。
-
- [次へ] をクリックして、ベース列と従属列を選択します。
- Base Column は、予測対象となるデータ列です。
- Dependent columns は、予測モデルが予測処理に使用する列です。
- Base Column セクションのドロップダウンから、予測対象とする列を 1 つ選択します。選択した列はハイライト表示されます。[次へ] をクリックします。
- Select Dependent Columns の下にあるドロップダウンで、ベース列の予測に影響を与える列名を入力して選択します。選択した列はテーブル内でハイライト表示されます。
- [次へ] をクリックします。Model Summary ページが表示されます。
手順 3: モデルサマリーの確認、モデルのトレーニングとテスト
トレーニングデータを追加したら、モデル名、ベースフィールド/列、従属フィールド/列 などのモデル詳細を確認できます。変更が必要な場合は、前のステップに戻って編集してください。問題なければ、モデルのトレーニングに進みます。
モデルのトレーニング
予測モデルをアプリケーションで実際に使用する前に、望ましい結果を予測できるようトレーニングする必要があります。
- モデルの詳細は、Model SummaryページのOverviewで確認できます。必要に応じて、Model Name、Base 項目/Column、Dependent Fields/Columnsは、Backに戻って編集できます。
- [Train Model] をクリックします。
メモ: Model trainingには時間がかかる場合があります。そのままページで完了を待つことも、ページを閉じて後で戻ることもできます。
モデルの詳細を表示・管理する
トレーニングが完了すると、ユーザーはモデルのステータス（trained、failed、draft）、モデルタイプ、作成日と更新日、その他の詳細を以下のとおり確認できます。
- 予測モデルを作成してトレーニングを実行する前にページを離れた場合、モデルのステータスは draft に設定されます。
- モデルのトレーニングは、データ不足やネットワークエラーにより失敗することがあります。
Model Details
このセクションでは、モデルの現在のバージョン、トレーニング済みデータ数、Base 項目、Dependent Fields を確認できます。
Version Details
このセクションでは、モデルのバージョン数、現在実行中のバージョン、モデルの作成日、および精度スコアを確認できます。精度スコアは、トレーニング済みの各バージョンに表示されます。モデルを再トレーニングし、この精度スコアを使って同じモデルの 2 つのバージョンを素早く比較できます。
Model Deployment
このセクションでは、モデルがデプロイされているApp Name、Form Name、および項目 Namesを確認できます。また、異なる環境を切り替えて、どの環境にモデルがデプロイされているかを確認できます。
- モデルの新しいバージョンを作成する方法については、こちらをクリックしてください。
- 精度スコアは、そのモデルのトレーニングに使用されたデータに基づきます。スコアを比較する際は、バージョン間で行った変更内容を考慮してください。
モデルをテストする
学習が完了したら、アプリケーションにデプロイする前にモデルの信頼性をテストできます。これは任意の操作ですが、モデルがデータパターンを正しく解析し、高い精度で結果を予測できているかを確認するのに役立ちます。
- モデルの学習が正常に完了した後に表示されるページの右上にあるTest Modelをクリックします。これにより、モデルの精度をテストできます。
- Test Modelポップアップが表示されます。必要な項目の値を入力します。
- 次にPredict Outcomeをクリックします。予測された値は、ポップアップ右側のModel Outputの下に表示されます。
モデルをテストすると、予測結果とあわせて精度スコアが表示されます。 精度スコアの評価
- 85 ～ 97 = 高い
- 70 ～ 84 = 良好
- 51 ～ 69 = 普通
- < 50 = 低い
予測モデルを管理する
モデルを学習した後は、アプリケーションでデプロイできるように公開する必要があります。公開後は、開発者やユーザーが予測モデルを利用して予測を実行できるようになります。
モデルを再学習する
フォームに追加されたレコードを使って定期的にモデルを再学習することで、より精度の高い結果を得られるようになります。モデルの性能を見直すことで、ビジネスのニーズに合わせてモデルを最適化できます。
- 新しいデータは常に生成されるため、モデルを定期的に再学習することを推奨します。これにより、予測モデルの信頼性と精度を向上させることができます。
- 再学習オプションは、フォームフィールド経由で学習データを追加した場合にのみ利用できます。これは、アプリケーションに新しいレコードが継続的に追加されるタイミングでモデルを学習できるためです。
- CSV ファイルでデータを追加する場合は、モデルを削除して新しいファイルをアップロードし、再度モデルを学習させてください。
- 現在使用中のモデルバージョンは削除できません。別のバージョンに切り替えてから、そのモデルバージョンを削除してください。
- ページ右上の三点リーダー（縦三点）をクリックします。
- モデルを再度学習するには、Retrainをクリックします。新しいバージョンが作成され、Version Detailsに一覧表示されます。
データが追加されるたびにモデルを再学習する必要はありません。一定期間ごと、または予測結果の改善に十分な新規レコードが蓄積されたと判断したタイミングで再学習してください。 - モデル名を編集するには、Renameをクリックします。ポップアップが表示されるので、モデル名を編集してRenameをクリックします。
- モデルを削除するには、削除をクリックします。
メモ:
- いずれかのアプリケーションにデプロイされているモデルを削除すると、そのアプリケーションでのデプロイも削除されます。この操作は元に戻せません。
- 削除後も、追加されたフィールド（モデルの入力フィールドと出力フィールド）は、該当モデルがデプロイされているフォーム内に残ります。予測モデルからの過去データも、該当フィールドをフォームから削除しない限り保持されます。
- 現在使用中のモデルバージョンは削除できません。別のバージョンに切り替えてから、そのモデルバージョンを削除してください。
ステップ 4: モデルを公開して使用する
モデルのトレーニングとテストが完了したら、公開してユーザーが利用できるようにし、予測を開始できます。
- 画面右上のPublish Modelをクリックします。
- 表示される PublishポップアップでPublishをクリックします。
- 公開後、表示される Use ModelポップアップのドロップダウンリストからApplication NameとForm Nameを選択し、Use Modelをクリックします。
- または、ページ右上の「Use Model」をクリックし、手順3を繰り返すこともできます。
- ユーザーは、選択したアプリケーションのフォームビルダーにリダイレクトされ、そこでモデルがデプロイされます。Predictionポップアップが表示され、Model Input 画面が開きます。予測フィールドの名前とフィールドタイプを確認し、NEXTをクリックします。
メモ:
- フィールド名は30文字を超えることはできません。
- トレーニング済みで選択したモデルは、Select Model セクションですでに選択された状態になっています。
- フィールドタイプは、Model Inputセクションで変更できます。たとえば、フィールドタイプに数値を選択している場合、小数、通貨、パーセンテージなどに変更できます。
- アップロードしたトレーニングデータにyes/noやtrue/falseなどの二値の結果が含まれている場合、データタイプは編集できず、無効化されます。
-
フォーム内の従属フィールドに対応するフィールド名を、用意されたドロップダウンメニューから選択します。
メモ:
- ここでマッピングする前に、フォームに適切なフィールドと正しいフィールドタイプを追加しておいてください。
- フォームにサポート対象かつ関連するフィールドタイプが存在しない場合は、予測モデルをデプロイする前に、それらのフィールドを作成する必要があります。
- ADD フィールドをクリックします。フィールドのマッピングが完了し、選択したフォームに新しい予測フィールドが追加されます。
これで、本番環境のアプリにアクセスし、従属フィールドに値を入力できるようになります。予測フィールドが、それに応じた値を予測します。