『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モデルは大幅な改良を行い、今ではAI Modelerとしてビルド、トレーニング、モデルをアプリ間で使用するために公開することができます。この改良前にモデルを作成した場合は、こちらをクリックして詳細をご覧ください。

このページでは、次を見ていきます：

予測モデルを構築する

トレーニングデータ - 訓練データを追加するために

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

モデルの概要

i) モデルを訓練する - カスタムモデルを訓練する

ii) モデルの詳細を表示する - 必要に応じて詳細を表示してモデルを再訓練する

iiI) テストモデル - モデルの性能をテストする

2.予測モデルの管理

i) モデルを公開する - デプロイメントのためにモデルを公開する

ii) モデルを使用してアプリケーションにモデルを展開します。

予測モデルは、過去のデータの各種パターンを分析することにより、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の理解ページをご覧ください。

予測モデルを設定するには、以下の4つのステップを実行します：

ステップ1：予測モデルを作成する

ステップ2：訓練データの追加

ステップ3：モデルの概要を確認し、モデルを訓練およびテストする

ステップ4：モデルを公開して使用する

ステップ1：予測モデルを作成する

Creator の「DEVELOP」セクションの下の「Microservices」をナビゲートしてください。すべてのマイクロサービスがここに表示されます。Creator ホームページからご覧いただけます。マイクロサービスについての詳細はこちらをご覧ください。

予測モデルを作成するには：

AIモデルを初めて作成する場合は、「Microservices」ページの中央にある「+ Create New」ボタンをクリックしてください。
既にAIモデルを作成している場合は、「Microservices」ページの右上隅にある「+ Create New」ボタンをクリックしてください。すべての「microservices」は、ここに表示されます。

「作成」をクリックしてください。AIモデルのホームページには、ユーザーのニーズに応じて構築できる「カスタム」モデルと、すぐにアプリケーションに展開できる「Ready-To-Use」モデルの2つのモデルタイプがあります。
注意：カスタムモデルとReady-To-Use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。.

「ビルドカスタムモデル」セクションの下にある「予測」カードをクリックしてください。

モデル名を入力し、「モデル作成」をクリックします。そうすると、予測モデラーに移動します。2つの方法でトレーニングデータを追加できます：アプリケーション内のデータから、またはCSVファイルからです。
注：モデル名は、30文字を超えてはいけません。

ステップ2：トレーニングデータの追加

訓練データは、モデルがパターンを見つけ、解釈を行い、予測を行うために初期のデータセットです。モデルを訓練する必要があります。これにより、モデルは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決定を行うことができます。これにより、モデルが意図したように機能することを確実にします。訓練データを2つの方法で供給することができます。

申請書からのデータ

アプリケーションフィールドに格納されたデータをモデルへの入力として投入することができます。

「アプリケーション」ラジオボタンを選択してください。

ドロップダウンメニューから、アプリケーション名と フォーム名を選択してください。検索バーを使用すると、より簡単にアクセスできます。次に、次へをクリックします。
次に、ベースフィールドと適切な依存フィールドを選択してください。次に、次へをクリックします。

注意：基礎および依存フィールドとして選択できるフィールドタイプは次のとおりです。

- 数値
- 小数
- パーセント
- 通貨
- ドロップダウン
- ラジオ
- 日付
- 日時

データをトレーニングモデルに入力する際、全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
注意: CSVベースの予測モデルには、条件を適用できません。 CSVベースの予測モデル。

CSVファイルからのデータ

データが不足している場合でも、アプリケーションフォームから保存されたCSV形式のファイルのデータを使用して、予測モデルの学習データとして利用することができます。

CSVメソッドをスキップしてモデルの設定を続行するには、ここをクリックしてください：こちら。

CSV ラジオボタンを選択してください。

CSV形式でトレーニングデータをアップロードしてください。現時点では、クロス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ィールドをアップロードすることができます。

注：

アップロードする前に、データ列にあるレコードが完全かどうかを確認してください。CSVファイルに不足しているデータがある場合は、それら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ファイルの最大ファイルサイズは4MBです。
詳細なガイドラインについては、こちらを参照してください。こちらをご覧ください。

次をクリックして、次へを選択して、ベースと依存カラムを選択します。

基準列 は、予測する必要があるデータの列です。
従属列 は、予測プロセスに使用する予測モデルを求める列です。

ドロップダウンメニューから、予測する必要のある列を選択してください。選択した列がハイライトされます。次をクリックしてください。次へ。
「依存列の選択」のドロップダウンから、基準列の予測に影響を与える列の名前を入力してください。選択した列がテーブル内でハイライトされます。

次へをクリックしてください。モデルの概要ページが表示されます。

ステップ3：モデルの概要を検証し、モデルをトレーニングおよびテストします

モデルの詳細を確認するために、トレーニングデータを追加した後、モデル名、ベースフィールド/列、および依存フィールド/列があります。変更が必要な場合は、元に戻って行うことができます。そうでない場合は、モデルをトレーニングすることができます。

モデルの訓練

実際にアプリケーションで予測モデルを使用する前に、有利な結果を予測するようにトレーニングする必要があります。

モデルの詳細を、「モデルサマリー」の「概要」で確認してください。必要な場合は、「戻る」をクリックして「モデル名」、「基本フィールド/列」、「依存フィールド/列」を変更することができます。

クリックしてモデルをトレーニング.
注意: 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ので、ページを閉じて後で戻ってきてもかまいません。

モデルの詳細を表示して管理する

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（トレーニング済み, 失敗, および 下書き）、モデルタイプ、作成日と更新日、その他の詳細を以下に示して表示することができます。

予測モデルを構築し、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が「下書き」に設定されます。
データ不足やネットワーク障害などにより、モデルトレーニングが失敗する可能性があります。

注意: 上記の画像で、CSVファイルからトレーニングデータを追加した場合、「ベースフィールド」と「依存フィールド」の代わりに「ベースカラム」と「依存カラム」が表示されます。

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、学習済みデータ数、ベースフィールド、および依存フィールドを確認できます。

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、現在実行中のバージョン、モデル作成日、および正確性スコアを確認できます。正確性スコアが各トレーニング済みバージョンに表示されます。モデルを再トレーニングし、この正確性スコアを使用して、同じモデルの2つのバージョンをすばやく比較できます。

モデルデプロイメント

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 Field Namesを表示できます。さらに、異なる環境を絞り込んで、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。

注意:

モデルの新しいバージョンを作成する方法を学ぶにはこちらをクリックしてください。
正確性スコアは、そのモデルのトレーニングに使用されたデータに基づいています。バージョン間で行われた変更を比較する際には、必ずそれらを考慮してください。

テストモデル

トレーニング後、モデルの信頼性をテストして、アプリケーションのいずれかに展開する前に確認することができます。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て、高い精度で予測結果を出せることを確認することができます。

右上にある「テストモデル」をクリックしてください。これにより、モデルの正確性をテストできます。

テストモデルのポップアップが画面に表示されます。必要なフィールド値を入力してください。
「予測結果」をクリックしてください。予測値は、ポップアップの右側に「モデル出力」の下に表示されます。

テストモデルの後、予測結果とともに正確性スコアが得られます。 正確性スコアの評価

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

予測モデルの性能を改善する方法については、こちらをクリックしてください：こちら。

モデルの管理

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。開発者とユーザーは、現在予測モデルを使用して予測を開始できます。

注：一旦モデルを公開したら、公開を取り消すことはできません。モデルを変更して再度トレーニングすることは可能です。

モデルの再学習

フォームに追加されたレコードを定期的に再学習することで、モデルがより正確な結果を得ることができます。モデルの効率性を再検討することで、モデルをビジネスの観点に特化して調整することができます。

注意:

新しいデータが常に生成されるため、定期的にモデルを再トレーニングすることをお勧めします。これにより、予測モデルの信頼性と正確性が向上します。
再トレーニングオプションは、フォームフィールドを介してトレーニングデータを追加する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ときにモデルをトレーニングできるからです。
CSVファイルを使用して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モデルを再度トレーニングできます。
現在使用しているモデルのバージョンを削除することはできません。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ます。

ページの右上隅にある 三つドットのエリプシスをクリックしてください。
クリックして再学習を行ってください。新しいバージョンが作成され、バージョン詳細にリストされます。
レコードを追加するたびにモデルを再学習する必要はありません。モデルを定期的に再学習するか、予測結果を改善する十分な新しいレコードがあると感じた場合に再学習を行うことができます。
クリックして名前を変更してモデルの名前を編集します。ポップアップが表示され、モデルの名前を編集して、クリックして名前を変更します。
クリックして削除します。
注意:

モデルを任意のアプリケーションに展開した場合、その展開を削除するという行為は取り消すことができません。
削除後、追加されたフィールド（モデル入力と出力フィールド）は、そのモデルが展開されているフォームの中に残ります。予測モデルからの過去のデータは、それぞれのフィールドがフォームから削除されるまで残ります。
現在使用中のモデルのバージョンを削除することはできません。代わりに、バージョンを切り替えてから、そのモデルの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

モデルを学習してテストした後、それをユーザーに利用可能にするために公開し、予測を開始します。

クリック モデルを公開 右上隅にあります。
クリック公開を表示された公開ポップアップで行います。
公開後、ドロップダウンリスト内の アプリケーション名 と フォーム名 を選択し、表示された モデルを使用 ポップアップ内の モデルを使用 ボタンをクリックしてください。
別の方法として、画面の右上にある「モデルを使う」をクリックして、ステップ3を繰り返してください。
ユーザーは、モデルを展開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。予測ポップアップが、モデル入力画面が開きます。予測フィールドの名前とそのフィールドタイプを確認してから、次へをクリックしてください。

注意:

フィールド名は、長さが 30文字を超えてはなりません。
訓練されたおよび選択されたモデルは、「モデルの選択」セクションにすでに選択されています。
フィールドタイプを、「モデル入力」セクションで変更することができます。例えば、フィールドタイプを「数値」として選択した場合、タイプを「小数」、「通貨」、「パーセント」などに変更することができます。
もしあなたが、「はい/いいえ」、「真/偽」などのバイナリーアウトカムを含むトレーニングデータをアップロードした場合、データタイプを編集することはできず、無効になります。

フォームにある依存フィールド用のドロップダウンメニューから、対応するフィールド名を選択してください。

注意:
- 関連するフィールドと正しいフィールドタイプをフォームに追加してから、ここでマッピングしてください。
- サポートされている関連するフィールドタイプがフォームにない場合は、予測モデルを展開する前にそれらを作成する必要があります。
クリックして フィールドを追加します。フィールドのマッピングが完了し、新しい予測フィールドが選択されたフォームに追加されました。