Data Science Workspace UIでのモデルのトレーニングと評価

Adobe Experience Platform Data Science Workspace　では、モデルの意図に適した既存のレシピを組み込むことで、機械学習モデルが作成されます。 次に、モデルに関連するハイパーパラメーターを微調整することで、モデルの動作効率と有効性を最適化するようにトレーニングおよび評価します。 レシピは再利用可能で、複数のモデルを作成し、単一のレシピで特定の目的に合わせてカスタマイズできます。

このチュートリアルでは、モデルの作成、トレーニング、評価の手順について説明します。

はじめに

このチュートリアルを完了するには、Experience Platformへのアクセス権が必要です。 Experience Platformの組織にアクセスできない場合は、続行する前にシステム管理者にお問い合わせください。

このチュートリアルでは、既存のレシピが必要です。 レシピがない場合は、先に進む前に、「UI へのパッケージレシピの読み込み」チュートリアルに従ってください。

モデルの作成

Experience Platformで、左側のナビゲーションにある「モデル」タブを選択し、「参照」タブを選択して既存のモデルを表示します。 ページの右上付近にある「モデルを作成」を選択して、モデル作成プロセスを開始します。

既存のレシピのリストを参照し、モデルの作成に使用するレシピを見つけて選択し、次へ​を選択します。

適切な入力データセットを選択し、次へ​を選択します。これにより、モデルのデフォルトの入力トレーニングデータセットが設定されます。

モデルの名前を指定し、デフォルトのモデル設定を確認します。 デフォルト設定は、レシピの作成中に適用され、値をダブルクリックして設定値を確認および変更しました。

新しい設定セットを提供するには、新しい設定をアップロード​を選択し、モデル設定を含むJSON ファイルをブラウザーウィンドウにドラッグします。 「完了」を選択して、モデルを作成します。

トレーニング実行の作成

Experience Platformで、左側のナビゲーションにある「モデル」タブを選択し、「参照」タブを選択して既存のモデルを表示します。 トレーニングするモデルの名前に添付されているハイパーリンクを検索して選択します。

既存のトレーニング実行と現在のトレーニングステータスが表示されます。 Data Science Workspace ユーザーインターフェイスを使用して作成されたモデルの場合、トレーニング実行は自動的に生成され、デフォルト設定と入力トレーニングデータセットを使用して実行されます。

モデル概要ページの右上付近にある​ トレーニング ​を選択して、新しいトレーニング実行を作成します。

トレーニング実行のトレーニング入力データセットを選択し、次へ​を選択します。

モデルの作成時に提供されたデフォルトの設定が表示されるので、値をダブルクリックして変更および修正します。 トレーニング実行を作成して実行するには、終了​を選択します。

モデルの評価

Experience Platformで、左側のナビゲーションにある「モデル」タブを選択し、「参照」タブを選択して既存のモデルを表示します。 評価するモデルの名前に添付されているハイパーリンクを検索して選択します。

既存のトレーニング実行と現在のトレーニングステータスが表示されます。 複数の完了したトレーニング実行では、モデル評価チャートで異なるトレーニング実行間で評価指標を比較できます。 グラフの上にあるドロップダウンリストを使用して、評価指標を選択します。

絶対百分率誤差（MAPE）指標は、精度をエラーに対する割合で表します。 これは、パフォーマンスが最も高い実験を特定するために使用されます。 MAPE が低いほど、より良い結果が得られます。

「精度」指標は、取得された​インスタンスの合計と比較した、関連するインスタンスの割合を示します。 精度は、ランダムに選択した結果が正しい確率と見なすことができます。

特定のトレーニング実行を選択すると、評価ページを開いて、その実行の詳細が表示されます。 これは、実行が完了する前でも実行できます。 評価ページでは、トレーニング実行に固有の他の評価指標、設定パラメーター、ビジュアライゼーションを表示できます。

また、実行の詳細を確認するアクティビティログをダウンロードすることもできます。 ログは、失敗した実行で何が起きたかを確認するのに特に役立ちます。

ハイパーパラメーターはトレーニングできず、異なる組み合わせのハイパーパラメーターをテストすることでモデルを最適化する必要があります。 最適化されたモデルに到達するまで、このモデルのトレーニングと評価のプロセスを繰り返します。

次の手順

このチュートリアルでは、Data Science Workspaceでのモデルの作成、トレーニング、評価について説明しました。 最適モデルに到達したら、「UI でのモデルのスコア付け」チュートリアルに従って、訓練済みモデルを使用して洞察を生成できます。

リファレンス reference

小売販売レシピの設定

ハイパーパラメーターは、モデルのトレーニング動作を決定します。ハイパーパラメーターを修正すると、モデルの精度と精度に影響を与えます。

他のパラメーターは、モデルの技術的特性を決定します。