フィーチャとテーブルの分析ツールセットの概要
フィーチャとテーブルの分析ツールセットには、機械学習およびディープ ラーニング アルゴリズムをフィーチャまたはテーブル データに適用するためのツールが含まれます。
AutoML を使用したトレーニング ツールは、自動機械学習 (AutoML) を使用して、特定のデータと利用可能なコンピューター リソースを前提に機械学習モデルをトレーニングおよび微調整します。 トレーニング済みモデルは、カテゴリー変数 (分類) と連続変数 (回帰) を予測するために AutoML を使用した予測 で使用されます。
機械学習 (ML) モデルのトレーニングは、従来から複雑なプロセスです。さまざまなタイプのモデルと、各モデルのパラメーター (ハイパーパラメーターと呼ばれます) を微調整して最適な結果を得る方法についての専門知識を必要とします。 トレーニングは、最も正確なモデルと適切なハイパーパラメーターを特定する前に、複数の実験が必要な、反復プロセスです。 AutoML ツールは、コードを使用せずにこのプロセスを自動化します。 そうすることで、トレーニングされたモデルのパフォーマンスとハイパーパラメーターの可視性、およびモデルの結果に最も大きく影響するフィーチャについての洞察が得られます。
AI モデルを使用した欠損値の予測 ツールは、利用可能なデータに基づいて機械学習またはディープ ラーニング モデルを自動的にトレーニングし、それを適用して欠損した数値を推定することで、フィーチャクラスまたはテーブルの欠損値 (NULL) を置き換えます。 これはデータの前処理のために設計されており、モデルのパフォーマンスと安定性を向上させるために、AutoML を使用したトレーニングなどのトレーニング ワークフローの前に一般的に使用されます。
フィーチャとテーブルの分析ツールセットのツール
|
ツール |
説明 |
|---|---|
|
欠損値 (NULL) を推定されたフィーチャ値に置き換えます。 データセット内のパターンに基づいてトレーニングされた機械学習およびディープ ラーニング モデルを使用して、統計的な一貫性を確保します。 |
|
|
AutoML を使用したトレーニング ツールで生成されたトレーニング済みの |
|
|
トレーニング パイプラインを構築し、トレーニング プロセスの多くを自動化することで、ディープ ラーニング モデルをトレーニングします。 これには、探索的データ解析、フィーチャの選択、フィーチャ エンジニアリング、モデルの選択、ハイパーパラメーターの調整、およびモデル トレーニングが含まれます。 その出力には、トレーニング データの最適モデルのパフォーマンス指標と、AutoML を使用した予測 ツールの入力として使用し、新しいデータセットを予測できるトレーニング済みのディープ ラーニング モデル パッケージ ( |