フラッグ・ターゲットのモデリングを自動化

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、 チュートリアルの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. Cloud Pak for Data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] の順に選択します。
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

フラッグ・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、Data Assetノードを調べます。

1. Assets］タブで［Automated Modeling for a Flag 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. pm_customer_train1.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pm_customer_train1.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。

   最大多数のレコードが Premium account キャンペーンに分類されています。 campaignフィールドの値は、データ中では整数としてコード化される（例えば'2 = Premium account）。 後で、これらの値にラベルを定義して、より意味のある出力を与えることができる。

   このファイルには、オファーが受け入れられたかどうかを示す「responseフィールドも含まれている（0 = no、「1 = yes）。 responseフィールドは、予測したいターゲット・フィールド（値）である。 各顧客に関する人口統計学的および財務的情報を含む様々なフィールドも含まれる。 これらのフィールドは、所得、年齢、月間取引回数などの特徴に基づいて、個人またはグループの回答率を予測するモデルを構築または訓練するために使用される。

進捗状況を確認する

次の図は、Data Assetノードを示しています。 これでTypeノードを編集する準備が整いました。

先頭に戻る

データ・アセットを探索したので、以下の手順に従ってタイプ・ノードのプロパティを表示および編集します：

1. Typeノードをダブルクリックする。 このノードは、測定レベル（フィールドが含むデータのタイプ）などのフィールド・プロパティや、モデリングにおけるターゲットまたは入力としての各フィールドの役割を指定する。 測定の尺度は、フィールドのデータの種類を示すカテゴリーです。 ソース・データ・ファイルは、3つの異なる測定レベルを使用する：
   • 連続フィールド（'Ageフィールドなど）は連続した数値を含む。
   • nominalフィールド（'Educationフィールドなど）は2つ以上の異なる値を持つ。 Collegeまたは 'High school.
   • 順序フィールド（'Income levelフィールドのような）は、固有の順序を持つ複数の異なる値を持つデータを記述する；この場合、'Low、'Medium、'High。
2. # レスポンスフィールドがターゲット・フィールド（Role = 'ターゲット ）であり、このフィールドのメジャーが 'フラッグ であることを確認する。

   

3. 以下のフィールドのrole toがNoneに設定されていることを確認する。 これらのフィールドはモデル構築時には無視される。
   • customer_id
   • キャンペーン
   • 応答日
   • 購入
   • 購入日
   • product_id
   • ROWID
   • X_random
4. TypeノードのRead Valuesをクリックし、値がインスタンス化されていることを確認する。

   先ほど見たように、ソースデータには4つの異なるキャンペーンに関する情報が含まれており、それぞれが異なるタイプの顧客アカウントを対象としています。 これらのキャンペーンは、データ上では整数としてコード化されているため、各整数がどのアカウントタイプを表しているかを覚えておくために、各整数にラベルを定義する。

   

5. キャンペーンの行とバリューモードの列で、リストから「指定」を選択します。
6. #キャンペーンフィールドの行にある編集アイコン をクリックします。
   1. 4つの値それぞれについて、表示されているラベルを確認する。

      

   2. 「OK」をクリックします。 これで、整数の代わりにラベルが出力ウィンドウに表示されるようになった。
7. 保存 をクリックします。
8. オプション：データ・プレビューをクリックすると、タイプ・プロパティが適用されたデータ・セットが表示されます。

進捗状況を確認する

次の図はTypeノードを示している。 これで、分析するキャンペーンを1つ選択する準備ができました。

先頭に戻る

データには4つの異なるキャンペーンの情報が含まれていますが、一度に1つのキャンペーンに絞って分析を行います。 以下の手順に従って、プレミアムアカウントキャンペーンのみを分析するノードを選択します：

1. Selectノードをダブルクリックしてプロパティを表示します。
2. コンディションに注目。 最も多くのレコードがプレミアムアカウントキャンペーン（データでは「campaign=2」とコード化されている）に該当するため、Selectノードはこれらのレコードのみを選択する。
3. オプション：選択プロパティを適用したデータセットを見るには、データのプレビューをクリックします。

進捗状況を確認する

次の図はSelectノードを示している。 これでモデルを作る準備ができた。

先頭に戻る

分析する1つのキャンペーンを選択したので、以下の手順に従って、Auto Classifierノードを使用するモデルを構築します：

1. Response (Auto Classifier)ノードをダブルクリックしてプロパティを表示します。
2. Build Optionsセクションを展開する。
3. Rank models byフィールドで、モデルのランク付けに使用する指標としてOverall accuracyを選択します。
4. 使用するモデルの数 を 3に設定します。 このオプションは、ノードを実行するときに、最良の3つのモデルが構築されることを意味する。

   

5. エキスパートセクションを展開すると、さまざまなモデリングアルゴリズムを見ることができます。
6. Discriminant、SVM、Random Forestのモデルタイプをクリアする。 これらのモデルは、このデータで学習するのに時間がかかるため、これらを排除することで例を早くすることができる。

   Build Options（ビルド・オプション）」の「Number of models to use（使用するモデルの数）」プロパティを「3」に設定しているため、ノードは残り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1つのモデル・ナゲットを生成します。

   

7. Ensembleオプションで、Set Targetsと Flag Targetsの両方のアンサンブルメソッドにConfidence-weighted votingを選択します。 この設定は、各レコードに対してどのように1つの集計スコアを作成するかを決定する。

   単純な投票では、 3 つのモデルのうち 2 つが yes を予測している場合、 yes は 2 対 1 で勝利します。 確信度-重み付き票決の場合は、各予測の確信度値に基づいて投票が重み付けされます。 そのため、2 つの「はい」の予測を組み合わせたものより高い確信度で 1 つのモデルが「いいえ」と予測する場合、「いいえ」が勝利します。

   

8. 保存 をクリックします。
9. 応答 分類器 ） ノードにカーソルを合わせ、 実行 アイコン をクリックします。
10. Outputs and modelsペインで、responseという名前のモデル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。 (大規模なデータセットに対して何百ものモデルが作成され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)
11. モデル名をクリックすると、各モデルの結果が表示されます。

    デフォルトでは、Auto Classifierノードのプロパティでその尺度を選択したため、モデルは全体的な正確さに基づいて並べ替えられます。 XGBoost Tree モデルはこの指標では最も優れていますが、C5.0 および C&RT モデルも同じくらい正確です。

    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、個々のモデルの限界を回避し、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。

12. USEの欄で、3つのモデルがすべて揃っていることを確認し、モデルウィンドウを閉じる。

進捗状況を確認する

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

生成されたモデルを確認したので、以下の手順に従ってモデルの分析を実行します：

1. 「分析」ノードにカーソルを合わせ 、「実行」アイコン をクリックします。
2. 出力とモデル]ペインで、[分析]出力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スコアは、「$XF-responseフィールドに表示される。 学習データに対して測定する場合、予測値は実際の応答 (元の response フィールドに記録されているもの) に 92.77% の全体の精度で一致します。 このケースの 3 つの個別モデルの中で最善のモデル (C5.0 の 92.82%) ほど正確でありませんが、差は非常に小さいため、無視できます。 一般的に、学習データ以外のデータ・セットに適用した場合、通常、アンサンブル・モデルは優れたパフォーマンスを示すことが多くなっています。

進捗状況を確認する

次の図は、Analysisノードを使用したモデル比較を示しています。

先頭に戻る