サンプル・プロジェクトには、いくつかのデータ・セットとモデラー・フローのサンプルが含まれています。 サンプル・プロジェクトをまだお持ちでない場合は、チュートリアル・トピックを参照してサンプル・プロジェクトを作成してください。 次に、以下の手順でサンプルプロジェクトを開きます：

1. watsonx」で、ナビゲーションメニュー「」から「プロジェクト」＞「すべてのプロジェクトを表示」を選択する。
2. SPSS ModelerProjectをクリックします。
3. アセット」タブをクリックすると、データセットとモデラーフローが表示されます。

進捗状況を確認する

次の図は、プロジェクトのAssetsタブを示しています。 これで、このチュートリアルに関連するサンプルモデラーフローで作業する準備ができました。

先頭に戻る

連続ターゲットの自動モデリングにはいくつかのノードがある。 以下の手順に従って、データ・アセットと タイプ・ノードを調べます：

1. Assets］タブで［Automated Modeling for a Continuous Target］モデラー・フローを開き、キャンバスがロードされるのを待つ。
2. property_values_train.csvノードをダブルクリックします。 このノードは、プロジェクト内のproperty_values_train.csvファイルを指すData Assetノードです。
3. ファイル形式のプロパティを確認します。
4. オプション：完全なデータセットを表示するには、データのプレビューをクリックします。
5. Typeノードをダブルクリックする。
6. taxable_valueフィールドでは、Roleを Targetに設定する。 その他のフィールドは予測因子として使用される。

   

7. オプション：フィルタリングされたデータセットを表示するには、データのプレビューをクリックします。

進行状況を確認する

次の図はTypeノードを示している。 これでModelingノードの設定は完了です。

先頭に戻る

この例では、自動数値モデリング・ノードを使用して、連続数値範囲に対する様々なアプローチを試すために、モデルを推定し比較する。 以下の手順に従って、モデリング・ノードを設定する：

1. Taxable-valueノードをダブルクリックしてプロパティを表示する。
2. 基本セクションを展開し、以下のプロパティを設定する：
   1. Rank models byフィールドで、Correlationを選択する。
   2. 使用モデル数フィールドには、「3入力する。 これは、ノードを実行するときに 3 つの最適なモデルが作成されることを意味します。

   

3. エキスパートセクションを展開する。 6つのアルゴリズムが選択され、その結果、ノードは各アルゴリズムについて1つのモデルを推定し、合計6つのモデルを推定する。 (また、これらの設定を変更して、各モデル・タイプの複数のバリアントを比較することもできます)。 BasicsセクションでNumber of models to useプロパティを'3に設定しているため、ノードは6つのアルゴリズムの精度を計算し、最も精度の高い3つを含む単一のモデルナゲットを構築します。

   

4. アンサンブル・セクションを展開し、デフォルト設定を表示します。 この例では連続的なターゲットを使用しているため、アンサンブル・スコアは個々のモデルのスコアを平均することで生成されます。

   

進捗状況を確認する

次の図はModelingノードを示している。 これでモデルを比較する準備は整った。

先頭に戻る

構築する3つのモデルを指定したので、以下の手順に従ってモデルを生成し、比較してください：

1. taxable_valueノードにカーソルを合わせ、実行アイコン'をクリックする。
2. 出力とモデル]ペインで、[taxable_value]という名前の結果をクリックして結果を表示します。

   実行中に作成された各モデルの詳細が表示されます。 (何百ものモデルを大規模なデータセットで推定するような実際の状況では、フローを実行するのに何時間もかかるかもしれない) このテーブルには、Modelingノードによって生成されたモデルのセットが含まれる。

3. 個々のモデルをさらに詳しく調べるには、Estimator列のモデル名をクリックすると、個々のモデルの結果が表示されます。
   1. モデル情報ページを見る この表には、フィッティングされるモデルのタイプ、対象分野の特定、入力特徴の数、活性化関数、結果のネットワークのサイズに関する情報が含まれている。
   2. そのモデルの他のページを見る。
   3. モデルの詳細を閉じます。

   デフォルトでは、Auto Numericノードのプロパティで相関を尺度として選択したため、モデルは精度（相関）でソートされます。 ランク付けのために、精度の絶対値が使用されます。1 に近い値ほど強力な関係を示します。

   別の列でソートするには、その列のヘッダーをクリックします。

   これらの結果に基づいて、3 つの最も正確なモデルをすべて使用するように指定します。 複数のモデルからの予測を組み合わせることで、個々のモデルにおける制限を回避し、結果として全体的な精度を高めることができるかもしれない。

4. 使用欄で3つのモデルすべてが選択されていることを確認する。
5. View Model: taxable_valueウィンドウを閉じます。

進行状況を確認する

以下の画像はモデル比較表です。 これでモデル分析を実行する準備が整いました。

先頭に戻る

これで3つのモデルの比較を見ることができたので、次のステップに従ってモデルの分析を行うことができる：

1. 分析ノードにカーソルを合わせ、実行アイコン「」をクリックする。
2. Outputs and models"ペインで、"Analysis "という名前の出力結果をクリックして結果を表示します。
   

   アンサンブルモデルによって生成された平均スコアは、「$XR-taxable_value名付けられたフィールドに追加され、3つの個別モデルのスコアよりも高い0.934の相関を持つ。 アンサンブル・スコアは平均絶対誤差も低く、他のデータセットに適用した場合、個々のモデルよりも優れた性能を発揮する可能性がある。

進行状況を確認する

次の画像は、Analysisノードからのモデル比較を示しています。

先頭に戻る