予測モデルの構築と管理

お知らせ：当社は、お客様により充実したサポート情報を迅速に提供するため、本ページのコンテンツは機械翻訳を用いて日本語に翻訳しています。正確かつ最新のサポート情報をご覧いただくには、本内容の英語版を参照してください。

AI Modelsはメジャーアップデートにより刷新され、AI Modelerに名称変更されました。これにより、モデルの作成、トレーニング、公開を行い、アプリ全体で使用できるようになりました。アップデート前に作成したモデルについては、こちらをクリックして詳細をご確認ください。

目次では、以下の内容が表示されます：

Prediction Modelの作成

トレーニングデータ- トレーニング用データセットの追加

i) アプリケーションからのデータ

ii) CSVファイルからのデータ

モデル概要

i) モデルのトレーニング - カスタムモデルをトレーニングします

ii) モデル詳細の表示 - 詳細を表示し、必要に応じてモデルを再トレーニングします

iii) モデルのテスト - モデルのパフォーマンスをテストします

2.Predictionモデルの管理

i) モデルの公開 - モデルを公開してデプロイ可能にします

ii) モデルの使用 - モデルをアプリケーションにデプロイします

Predictionモデルは、過去データのさまざまなパターンを分析し、今後の処理や結果を予測します。詳細はPredictionモデルの理解ページをご参照ください。

Predictionモデルを設定するには、次の4つのステップに従ってください。

手順 1: Predictionモデルの作成

手順 2: トレーニングデータの追加

手順 3: モデルの概要を認証し、トレーニングおよびテストを実施

手順 4: モデルを公開し、利用する

手順 1: 予測モデルを作成する

CreatorのDEVELOPセクション内のMicroservicesに移動します。ホームページにすべてのマイクロサービスが一覧表示されます。

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、+ 作成新規ボタンをMicroservicesページ中央でクリックしてください。
すでにAIモデルを作成済みの場合は、右上の+ 作成新規ボタンをMicroservicesページでクリックしてください。すべてのmicroservicesがここに一覧表示されます。

「作成」ボタンをAI Modelsカードでクリックします。AI Modelsホームページには、2種類のモデルがあります。カスタムモデルはユーザーのニーズに合わせて構築でき、Ready-To-使用するモデルはアプリケーションに今すぐ導入できます。
メモ: カスタムモデルとready-to-使用するオブジェクト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、こちらをご参照ください。

「Prediction」カードを、作成-カスタム ModelsセクションのAI Modelerページでクリックします。

Model 名前を入力し、作成 Modelをクリックします。Prediction Modeler画面に移動し、トレーニングデータを2通りの方法で追加できます：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: Model 名前は30文字以内で入力してください。

手順 2: トレーニングデータの追加

トレーニングデータとは、モデルがパターンを見つけたり、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、提供された情報に基づいて正確な判断を下せるようにトレーニングが必要です。これにより、モデルが意図した通りに動作することが保証されます。トレーニングデータは2通りの方法で入力できます：

Data 差出人 application form

アプリケーションの項目に保存されているデータを、トレーニングデータとしてモデルに取り込むことができます。

「Application」ラジオボタンを選択します。

指定されたドロップダウンメニューからApplication 名前とフォーム名を選択します。メニュー内の検索バーを利用すると、より簡単に探すことができます。選択後、「次」をクリックします。
ベース項目と適切な依存項目を選択し、「次」をクリックします。

メモ: 基本項目および依存項目として選択できる項目タイプは以下の通りです:

- 番号
- 小数
- パーセント
- 通貨
- ドロップダウン
- Radio
- 日付
- 日付-時間

すべてのデータを含めるか、モデルのトレーニングに使用する特定のデータセットを選択できます。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データがない場合でも、データがCSV形式のファイルに保存されていれば、それを予測モデルのトレーニングデータとして利用できます。

CSV方式をスキップしてモデルの設定を続行するには、こちらをクリックしてください。

CSV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。この時点で、クロスアイコンをクリックしてファイルを削除したり、必要に応じて別の項目をアップロードすることができます。

メモ:
- アップロード前に、データ列内のデータがすべて揃っ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、そのデータを削除するか、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ファイルの最大ファイルサイズは4MBです。
- その他のガイドラインについてはこちらをご参照ください。

「次へ」をクリックして、Base 列と Dependent 列を選択します。

Base 列は、予測対象となるデータの列です。
Dependent columnsは、予測モデルが予測処理に使用する列です。

予測したいセクションのBase 列の下にあるドロップダウンメニューから列を選択します。選択した列はハイライト表示されます。次をクリックします。
選択する Dependent Columnsの下にあるドロップダウンで、Base 列の予測に影響を与える列の名前を入力します。選択した列はテーブル内でハイライト表示されます。

「次」をクリックします。Model 概要ページが表示されます。

手順 3: model 概要の確認、トレーニングおよびテスト

トレーニングデータを追加した後、Model 名前、Base 項目/列、依存項目/Columnsなどのmodelの詳細を確認できます。修正が必要な場合は戻って編集できます。問題なければ、そのままモデルのトレーニングを続行してください。

モデルをトレーニングする

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、概要のモデル概要ページで確認できます。必要に応じて、モデル名、ベース項目/列、依存項目/列を戻るから修正できます。

「Train Model」をクリックします。
メモ: モデルのトレーニングには時間がかかる場合があります。ページ上でそのままお待ちいただくか、ページを閉じて後で戻ることも可能です。

モデル詳細の表示と管理

トレーニングが完了した後、ユーザーはモデルのステータス（trained、失敗、下書き）、モデルの種類、作成日や更新日、その他の詳細を以下の通り確認できます。

予測モデルを作成し、トレーニング前にページを終了した場合、モデルのステータスは「下書き」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障害により失敗することがあります。

メモ: 上記の画像で、トレーニングデータをCSVファイルから追加した場合は、「Base 列」と「Dependent Columns」として表示され、「Base 項目」と「Dependant 項目」では表示されません。

Model 詳細

このセクションでは、モデルの現在のバージョン、トレーニングデータの件数、base 項目、および依存項目を表示できます。

バージョン詳細

このセクションでは、モデルが持つバージョンの番号、現在稼働中のバージョン、モデル作成日、精度スコアを表示できます。精度スコアは、トレーニング済みの各バージョンごとに表示されます。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することができます。

モデルのデプロイ

このセクションでは、アプリ名、フォーム名、およびモデルがデプロイされている項目名を表示できます。また、異なる環境間でフィルターし、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。

メモ:

モデルの新規バージョンの作成方法については、こちらをクリックして参照してください。
精度スコアは、そのモデルのトレーニングに使用中のデータに基づいています。バージョン間で変更を行った場合は、スコアを比較する際に必ず考慮してください。

テストモデル

トレーニング後、デプロイ前にモデルの信頼性をテストできます。これは任意ですが、モデルがデータパターンを正しく分析し、高い精度で結果を予測できることを確認できます。

モデルのトレーニングが正常に完了した後に表示されるページの右上にあるテスト 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。

テスト Modelのポップアップが画面に表示されます。必要な項目の値を入力してください。
Predict Outcomeをクリックします。予測された値は、ポップアップの右側にあるModel Outputの下に表示されます。

モデルをテストすると、予測結果と精度スコアが取得できます。 精度スコアの評価

85 - 97 = 高い
70 - 84 = 良好
51 - 69 = 普通
< 50 = 低い

モデルのパフォーマンスを向上させる方法については、こちらをクリックしてください。

Prediction Modelの管理

モデルのトレーニングが完了した後、アプリケーションで利用できるように公開する必要があります。開発者やユーザーは、Prediction Modelを使用して予測を開始できます。

メモ: 一度公開したモデルは非公開にできませんが、モデルの変更や再トレーニングは可能です。

モデルの再学習

フォームに追加されたデータで定期的にモデルを再学習することで、より高精度な結果を得ることができます。モデルの効率を向上させることで、法人の視点に合わせて最適化することが可能です。

メモ:

新規データは常に作成されるため、定期的なモデルの再学習を推奨します。これにより、予測モデルの信頼性と精度が向上します。
再学習オプションは、フォーム項目を通じてトレーニングデータを追加した場合のみ利用可能です。これは、新規データが継続的にアプリケーションへ追加される際に、随時モデルを学習させることができるためです。
CSVファイルでデータを追加する場合は、モデルを削除し、新しいファイルをアップロードしてから再度モデルを学習させることができます。
現在使用中のモデルバージョンは削除できません。代わりに、バージョンを切り替えてから、そのモデルバージョンを削除できます。

ページ右上の三点リーダーをクリックします。
「Retrain」をクリックしてモデルを再学習させます。新規バージョンが作成され、バージョン詳細に表示されます。
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。定期的に再学習するか、予測精度向上のために十分な新規データが利用可能だと判断した場合に再学習を行ってください。
「名前を変更する」をクリックしてモデル名を編集します。ポップアップが表示され、そこでモデル名の編集ができ、「名前を変更する」をクリックします。
「削除」をクリックします。
メモ：

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model input および output 項目は、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。過去の予測モデルのデータも、該当項目がフォームから削除され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。バージョンを切り替えてから、そのモデルバージョンを削除してください。

手順 4: モデルを公開・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。

右上の公開 Modelをクリックします。
「公開」ポップアップでクリックします。
公開後、「 Application 名前」および「フォーム名」を「使用する Model」ポップアップ内のドロップダウンリストから選択し、「使用する Model」をクリックします。
または、ページ右上の「使用する Model」をクリックし、手順3を繰り返します。
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、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。予測項目の名前と項目種類を確認し、「次」をクリックします。

メモ:

項目名前は30文字以内で入力してください。
学習済みかつ選択されたモデルは、選択する Model セクションですでに選択済みとなっています。
Model Inputセクションで項目種類を変更できます。例えば、項目種類を番号で選択した場合、種類を小数、通貨、または割合（%）に変更できます。
はい/いいえや真/無効などの二値結果を含むトレーニングデータをアップロードした場合、データの種類は編集できず、無効となります。

フォーム内の該当する項目名を、依存項目差出人のドロップダウンメニューから選択してください。

メモ:
- ここでマッピングする前に、フォームに該当する項目と正しい項目種類を追加してください。
- フォームにサポートされている該当項目タイプが利用可能でない場合は、予測モデルを導入するために、まず順番に作成する必要があります。
「項目を追加」をクリックします。項目のマッピングが完了し、新しいprediction 項目が選択したフォームに追加されます。