予測モデルの構築と管理

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モデルはメジャーアップデートにより刷新され、AI Modelerとして新たに提供されています。これにより、モデルの作成、トレーニング、公開を行い、アプリ内で使用できるようになりました。アップデート前にモデルを作成された方は、こちらをクリックして詳細をご覧ください。

目次では、次の内容を確認できます。

  1. Prediction Modelの作成

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

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) Model 詳細の表示 - 詳細を表示し、必要に応じてモデルを再学習します

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

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 - アプリケーションでモデルをデプロイします


Predictionモデルは、過去データのさまざまなパターンを分析して、今後の処理や結果を予測します。詳細はPredictionモデルについて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 model を作成

手順 2: training data を追加

手順 3: model 概要の確認、train・テストの実施

手順 4: model の公開・利用

手順 1: prediction model を作成

  1. Creator の DEVELOP セクションにある Microservices に移動します。ホームページにアクセスすると、microservicesがすべて一覧表示されます。
  1. prediction model を作成するには:
  • 初めてAIモデルを作成する場合は、+ 新しく作成するボタンを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+ 新しく作成するボタンをMicroservicesページでクリックしてください。microservicesがすべてここに一覧表示されます。
  1. 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:カスタムモデルおよび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はこちらをご参照ください。


  1. Prediction」カードを作成-カスタム Modelsセクション内のAI Modelerページでクリックします。


  1. 「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つ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を追加する

トレーニングデータは、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される初期データセットです。モデルが入力された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ができるようにトレーニングする必要があります。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つの方法で投入できます。

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項目を選択できます。


  1. Application」ラジオボタンを選択します。
  1. 表示されたドロップダウンメニューから、Application 名前フォーム名を選択します。このメニュー内の検索バーを利用することで、より簡単にアクセスできます。選択後、「」をクリックします。
  2. 適切なbase 項目および適切な依存項目を選択し、「」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。
  1. すべてのデータを含めるか、特定のデータセットのみを選択して、モデルのトレーニングに使用するデータを指定できます。 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使用できます。


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。

  1. CSVラジオボタンを選択します。
  1. 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することでファイルを削除できます。また、必要に応じて別の項目をアップロードすることも可能です。


    メモ:

    • アップロード前に、データ列内の情報が揃っているか認証してください。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。

  1. 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、予測モデルで予測処理時に使用される列です。
  1. 「Base 列」セクション下のドロップダウンメニューから、予測したい列を選択します。選択された列はハイライト表示されます。「次へ」をクリックします。
  2. 「Dependent Columns を選択」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名を入力します。選択された列はテーブル内でハイライト表示されます。
  1. クリック 次へ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詳細を確認できます。修正が必要な場合は、前の画面に戻って編集してください。問題なければ、そのままモデルのトレーニングに進めます。

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利用する前に、望ましい結果を予測できるようトレーニングを行う必要があります。


  1. モデルの詳細は、概要Model 概要」ページで確認できます。必要に応じて、Model 名前Base 項目/列依存項目/Columns戻るから編集できます。
  1. 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。ページを移動せずに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できます。


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・更新日、その他の詳細を以下の通り確認できます。

  1. 予測モデルを作成し、トレーニング前にページを終了すると、モデルのステータスは下書きに設定されます。
  2. 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場合があります。



メモ: 上記画像で、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 項目」と「Dependant 項目」の代わりに「Base 列」と「Dependent Columns」と表示されます。


Model 詳細

このセクションでは、モデルの現在のバージョン、学習データ件数、ベース項目、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、モデルのバージョン数、現在稼働中のバージョン、モデル作成日、および精度スコアを確認できます。精度スコアは各学習済みバージョンごとに表示されます。モデルを再学習し、この精度スコアを使って同一モデルの2つのバージョンを素早く比較できます。


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、および項目名(モデルがデプロイされている場所)を表示できます。また、異なる環境ごとにフィルターして、モデルがどの環境にデプロイされているかを確認できます。


メモ:
  1. 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ください。
  2. 精度スコアは、そのモデルの学習に使用したデータに基づいています。スコアを比較する際は、バージョン間で行った変更も考慮してください。

テスト Model

トレーニング後、任意でモデルの信頼性をテストし、アプリケーションに導入する前に確認できます。この操作は必須ではありませんが、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ために役立ちます。



  1. モデルのトレーニングが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。
  1. 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。
  2. クリック Predict Outcome。予測された値はポップアップ右側のModel Outputに表示されます。


モデルのテスト後、予測結果とともに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
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

モデルをトレーニングした後、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。開発者やユーザーがPrediction Modelを利用し、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させることで、より精度の高い結果を得ることができます。モデルの効率性を見直すことで、法人の観点に合わせて最適に調整できます。

メモ:
  1. 新規データは常に作成されるため、定期的にモデルを再学習させ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が向上します。
  2. 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、アプリケーションに継続的に新規データが追加されるたびにモデルをトレーニングできるためです。
  3. CSVファイル経由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、再度モデルをトレーニングできます。
  4. 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してください。


  1. ページ右上の三点リーダーをクリックします。
  2. Retrain」をクリックして、モデルを再度トレーニングしてください。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トレーニングする必要はありません。モデルの再トレーニングは、定期的に行うか、十分な新規データが利用可能となり、予測結果の向上が見込まれる場合に実施できます。
  3. 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るので、モデル名を編集し、「名前を変更する」をクリックします。
  4. 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、追加された項目(model input and output 項目)は、該当モデルがデプロイされた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のバージョンは削除できません。バージョンを切り替えた後、そのモデルバージョンを削除できます。

手順 4: モデルを公開し、使用する

モデルのトレーニングおよび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。


  1. 右上の公開 Modelをクリックします。
  2.  公開」ポップアップでクリックします。
  3. 公開後、「 Application 名前」と「フォーム名」をドロップダウンリストから選択し、「使用する Model」ポップアップでクリックします。使用する Model. 
  4. 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。
  5. 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、モデルのデプロイが行われます。「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、「」をクリックしてください。


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されています。
  • 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」に選択した場合、「小数」「通貨」「割合(%)」などへ種類を変更可能です。
  • はい/いいえ真/無効などの2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。

  1. 該当する依存項目の差出人ドロップダウンメニューから、フォーム内の対応する項目名を選択してください。

    メモ:

    • ここでマッピングする前に、フォームに正しい項目種類とともに関連する項目を追加してください。
    • フォーム内にサポート対象かつ関連する項目種類が利用可能でない場合は、予測モデルを展開するために、まず項目を作成する必要があります。
  2. 「追加する項目」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。

アプリを有効化し、依存項目に値を追加できるようになります。prediction 項目がそれに応じた値を予測します。


    Zoho CRM 管理者向けトレーニング

    「導入したばかりで基本操作や設定に不安がある」、「短期間で集中的に運用開始できる状態にしたい」、「運用を開始しているが再度学び直したい」 といった課題を抱えられているユーザーさまに向けた少人数制のオンライントレーニングです。

    日々の営業活動を効率的に管理し、導入効果を高めるための方法を学びましょう。

    Zoho CRM Training



              Zoho Campaigns Resources

                Zoho WorkDrive Resources




                  • Desk Community Learning Series


                  • Digest


                  • Functions


                  • Meetups


                  • Kbase


                  • Resources


                  • Glossary


                  • Desk Marketplace


                  • MVP Corner


                  • Word of the Day


                  • Ask the Experts









                                  Resources

                                  Videos

                                  Watch comprehensive videos on features and other important topics that will help you master Zoho CRM.



                                  eBooks

                                  Download free eBooks and access a range of topics to get deeper insight on successfully using Zoho CRM.



                                  Webinars

                                  Sign up for our webinars and learn the Zoho CRM basics, from customization to sales force automation and more.



                                  CRM Tips

                                  Make the most of Zoho CRM with these useful tips.