予測モデルは、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。

手順 1: 予測モデルを作成する

手順 2: トレーニングデータを追加する

手順 3: モデル概要を確認し、トレーニングとテストを行う

手順 4: モデルを公開して使用する

手順 1: 予測モデルを作成する

1. Creatorのホームページで、DEVELOPセクション内のMicroservicesに移動します。ここに、すべてのマイクロサービスが一覧表示されます。
   

2. 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、+ 新規作成ボタンをMicroservicesページ中央でクリックします。
  
• すでにAIモデルを作成している場合は、+ 新規作成ボタンをMicroservicesページ右上でクリックします。ここに、すべてのマイクロサービスが一覧表示されます。

3. 「作成」ボタンをAI Modelsカード内でクリックします。AI Modelsホームページには 2 種類のモデルがあります。1 つ目は、ユーザーのニーズに応じて構築できるカスタムモデル、2 つ目は、すぐにアプリケーションへ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、こちらを参照してください。

4. Predictionカードを、Create-Custom Modelsセクション内のAI Modeler ページでクリックします。
   

5. Model 名前を入力し、作成 Modelをクリックします。Prediction Modelerに移動し、トレーニングデータを次の 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から追加するか、CSV ファイルからアップロードします。
   メモ: モデル名は30 文字以内である必要があります。

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最初に使用するデータセットです。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行えるように、モデルをトレーニングする必要があります。これにより、モデルが意図したとお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からのデータ
• CSV ファイルのアップロード

アプリケーションフォームからのデータ

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、モデルにトレーニングデータとして与えることができます。

1. Applicationラジオボタンを選択します。

2. Application 名前とフォーム名を、表示されるドロップダウンメニューから選択します。このメニューの検索バーを使用すると、目的の項目を簡単に見つけられます。選択したら、次をクリックします。
3. 次に、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。

4. モデルの学習に使用するデータとして、すべてのデータを含めるか、特定のデータセット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、そのファイルを予測モデルの学習データとして使用できます。

1. ラジオボタンで CSV を選択します。
   

2. 学習データを CSV 形式でアップロードします。この時点では、× 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し直すことができます。
   
   
   

   メモ:

   • アップロードする前に、データ列内のデータ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 こちらを参照してください。
     ​
     

3. ［次へ］をクリックして、ベース列と従属列を選択します。

• ベース列は、予測対象となるデータの列です。
• 従属列は、予測モデルが予測処理に使用する列です。

4. ベース列 セクションのドロップダウンメニューから、予測対象とする列を選択します。選択した列はハイライト表示されます。［次へ］をクリックします。
   
5. 従属列を選択 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。
   

7. ［次へ］をクリックします。モデル概要ページが表示されます。

手順 3: モデル概要の確認、モデルの学習とテスト

学習データを追加した後、モデル名、ベース項目／列、従属項目／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、そのままモデルの学習を続行できます。

• モデルを学習する
• モデル詳細の表示と管理
• モデルをテストする

モデルを学習する

アプリケーションで予測モデルを実際に利用する前に、有利な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。

1. モデルの概要ページのモデル概要セクションで、モデルの詳細を確認します。必要に応じて、モデル名、ベース項目/列、依存項目/列は、戻るボタンから編集できます。

2. ［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。そのままページを開いた状態で完了を待つか、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（トレーニング済み、失敗、下書き）、モデルの種類、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。

• モデルの詳細
• バージョンの詳細
• モデルのデプロイ

メモ: 上記の画像では、トレーニングデータを CSV ファイルから追加した場合、「ベース項目」「依存項目」ではなく「ベース列」「依存列」と表示されます。

モデルの詳細

このセクションでは、モデルの現在のバージョン、トレーニング済みデータ件数、ベース項目、依存項目を確認できます。

バージョンの詳細

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。各トレーニング済みバージョンには、精度スコアが表示されます。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、モデルがデプロイされているアプリ名、フォーム名、および項目名を確認できます。また、異なる環境でフィルターし、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。

モデルをテストする

モデルのトレーニングが完了したら、本番の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。

1. 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右上の 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。
   

2. Test Model ポップアップが画面に表示されます。必要な項目値を入力します。
   
3. クリック 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 = 良い
• 51 - 69 = 普通
• < 50 = 低い

予測モデルを管理する

モデルをトレーニングしたら、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、開発者と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。

• モデルを再トレーニングする
• モデルを公開して使用する

モデルを再トレーニングする

フォームに追加されたデータで定期的にモデルを再トレーニングすることで、より精度の高い結果を得られるようになります。モデルの効率を見直すことで、自社のニーズに合わせてモデルを最適化できます。

1. ページ右上の 三点リーダー（縦の三点） をクリックします。
   
2. クリック Retrain をクリックして、モデルを再トレーニングします。新しいバージョンが作成され、バージョン詳細 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トレーニング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しいデータが蓄積されたと判断したタイミングで再トレーニングしてください。
   
3. クリック 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. クリック 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、追加された項目（モデルの入力項目と出力項目）は、そのモデルがデプロイされていたフォーム内に残ります。また、フォームからこれらの項目を削除しない限り、予測モデルによって生成された過去データもすべて保持されます。
• 現在使用中のモデルバージョンは削除できません。代わりに、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。

手順 4: モデルを公開して使用する

モデルをトレーニングしてテストしたら、モデルを公開してユーザーが利用できるようにし、予測の実行を開始できます。

1. 右上隅のモデルを公開をクリックします。
   
2. 表示される 公開ポップアップで、公開をクリックします。
   
3. 公開後、表示される アプリケーション名とフォーム名を、モデルを使用ポップアップ内のドロップダウンリストから選択し、モデルを使用をクリックします。 
   
4. または、ページ右上の「モデルを使用」をクリックし、手順3を繰り返します。
   
5. ユーザーは、モデルをデプロイするために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ます。 Predictionポップアップが表示され、モデル入力画面が開きます。予測項目の名前と項目タイプを指定し、次へをクリックします。

メモ:

• 項目名は30文字を超えることはできません。
• 学習済みで選択したモデルは、すでにモデルを選択セクションで選択された状態になっています。
• フォームのモデル入力セクションでは、項目タイプを変更できます。たとえば、項目タイプに「数値」を選択している場合、タイプを小数、通貨、パーセンテージ（%）に変更できます。
• アップロードした学習データにはい/いいえ、真/偽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、無効になります。
  
  

6. フォーム内で、依存項目に対応する項目名を、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、フォームに該当する項目を正しい項目タイプで追加しておいてください。
   • フォーム内に、サポートされる関連する項目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、それらの項目を作成する必要があります。
7. [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、選択したフォームに新しい予測項目が追加されます。
   

これでアプリを本番環境で開き、依存項目に値を入力できるようになります。予測項目は、それに応じて値を予測します。

関連トピック

• 予測モデルについて
• AI モデラーについて