大規模データセットによる実験トレーニングの高速化

モデルのトレーニングがタイムアウトしたり、異常に時間がかかったりする場合は、トレーニング時間を短縮するためのガイドラインをご覧ください：

AutoAIツールの実験設定ページから：

• 最適化アルゴリズム選択オプションがスコアと実行時間に設定されていることを確認してください。
• XGBRegressor モデルを無効にする。 この調整により、より早く結果を得ることができるが、スコアは若干低くなるかもしれない。

コード化された実験の場合：

• SDKドキュメントに記載されているように、'daub_give_priority_to_runtimeパラメータを渡す。
  注意：このパラメータは実験の不確定性（再現不可能性）を高める可能性があります。

不完全な入力値または外れ値の入力値をデプロイメントに渡すと、外れ値の予測につながる可能性があります

機械学習モデルをデプロイした後、モデルのトレーニングに使用されるデータとは著しく異なる入力データを指定すると、外れ値の予測が生成される可能性があることに注意してください。 Ridge や LinearRegression などの線形回帰アルゴリズムにスケール外の入力値が渡されると、モデルはそれらの値を推定し、比較的大きな重みを割り当てます。これにより、規格適合データに適合しないスコアが生成されます。

サポート機能がある時系列パイプラインが取得時に失敗する

サポート機能を使用して AutoAI 時系列エクスペリメントをトレーニングし、システムが予測のためにパイプラインを取得しようとしたときに「エラー: 名前 'tspy_interpolators' が定義されていません (Error: name 'tspy_interpolators' is not defined)」というエラーが発生する場合は、システムが Java 8 以上を実行していることを確認してください。

パイプラインまたはエクスペリメント・ノートブックの実行がソフトウェア仕様エラーで失敗します

AutoAI エクスペリメントでサポートされているソフトウェア仕様が変更された場合、古いソフトウェア仕様 (古いバージョンの Pythonなど) で作成されたノートブックを実行すると、エラーが発生する可能性があります。 この場合は、エクスペリメントを再実行してから、新しいノートブックを保存して再試行してください。

メモリー不足エラーを解決する

AutoAI で生成されたノートブックからセルを実行するときにメモリー・エラーが発生する場合は、 AutoAI ノートブック用のリソースを追加してノートブック・ランタイムを作成し、セルを再実行してください。

サブサンプリングを使用するエクスペリメントのノートブックで予測の生成が失敗することがある

モデルを準備するためにパイプラインの精製を行い、トレーニング中にエクスペリメントでデータのサブサンプリングを使用する場合、エクスペリメントから保存されたノートブックを実行すると、「不明なクラス」エラーが発生する可能性があります。

問題の原因は、トレーニング・データ・セットに含まれていない不明なクラスです。 回避策は、データ・セット全体をトレーニングに使用するか、エクスペリメントで使用されるサブサンプリングを再作成することです。

トレーニング・データを ( fit()より前に) サブサンプリングするには、サンプル・サイズを行数で指定するか、サンプルの一部 (エクスペリメントで行ったもの) で指定します。

• サブサンプリング設定でレコード数を使用した場合は、 nの値を増やすことができます。 例：

  train_df = train_df.sample(n=1000)
  

• サブサンプリングがデータ・セットの一部として表されている場合は、 fracの値を増やしてください。 例：

  train_df = train_df.sample(frac=0.4, random_state=experiment_metadata['random_state'])
  

二項分類でパイプラインの作成が失敗する

AutoAI は、エクスペリメント・タイプに最適なものを判別するためにデータのサブセットを分析します。 予測列のサンプル・データに値が 2 つしか含まれていない場合、AutoAI は二項分類のエクスペリメントを推奨し、関連するアルゴリズムを適用します。 ただし、データ・セット全体の予測列に 3 つ以上の値が含まれていると、二項分類は失敗し、 AutoAI がパイプラインを作成できないことを示すエラーが表示されます。

この場合、エクスペリメント・タイプを二項分類から多クラス分類 (定義された値セットの場合) または回帰 (未指定の値セットの場合) に手動で変更します。

1. エクスペリメントの再構成 アイコンをクリックして、エクスペリメント設定を編集します。
2. 「エクスペリメント設定」の 「予測」 ページで、予測タイプを予測列のデータに最も一致するタイプに変更します。
3. 変更を保存し、エクスペリメントを再実行します。

今後のステップ

AutoAI の概要

親トピック: AutoAI の概要