コンテンツ種別
ジョブエイド
所要時間
10分
レベル
入門
このインフォグラフィックは、データ準備の基本手順と、IntegratedML がどのようにプロセスを効率化できるかを示します。アプリで機械学習を活用するには、データを準備することが重要です。
このインフォグラフィックのテキスト版もあります。
問題を定義する- 何を予測したいですか？
- 特徴量とラベルを検討しましょう。
- アプリはこれらの予測をどのように活用しますか？
- 予測の精度要件はどれくらいですか？
データを収集する- データを InterSystems IRIS® data platform に収集します。
- データをビューやテーブルに整理します。
データを前処理する- 欠損値に対応します!
注意！ 欠損値の扱い方は極めて重要です。たとえば、欠損が多すぎる列は思い切って削除するという判断もあり得ます。
- 複数のソースからデータを集約します。
- データの重複を排除します。
- フォーマットやデータ型を変換します。
- 最小限の実用データセットを確認します。
- 欠損値に対応します!
課題を定義し、データを収集・クレンジングしたら、残りの手順は IntegratedML が効率化を支援します。
特徴量を選定・抽出する- IntegratedML を使って特徴量を選定・抽出し、使用する機械学習エンジン（H2O、DataRobot、または AutoML）を支援します。
- IntegratedML を使って特徴量を選定・抽出し、使用する機械学習エンジン（H2O、DataRobot、または AutoML）を支援します。
- 使わないと分かっている特徴量は除外します。
- 次元削減を行います。
- 必要に応じてカスタム/合成特徴量を作成します。
- 例: スケジューリングアプリでは、「祝日に近い」といった二値の列を追加すると、追加の特徴量がないと機械学習アルゴリズムが検出できない価値を提供できる場合があります。
ラベルを設定する- 予測したい内容に基づいて、ラベルを注意深く整備します。
- ラベルは、データセットの中で、最も整っていて、特定と理解が最も容易な列で、かつ、最も完全な部分であるべきです！
学習用データとテスト用データを分割する- 予測モデルの学習と評価には、別々のデータセットを使うのがベストプラクティスです。IntegratedML を使うと、データを次のグループに簡単に分割できます。
