Evaluate with model insights¶
モデルのインサイトは、モデルによる予測の根拠を解釈、説明、検定するのに役立ちます。 これらのツールを使用すると、次のエクスペリメントで何をする必要があるかを評価するのに役立ちます。 得られるインサイトはエクスペリメントのタイプによって異なりますが、以下の予測モデリングインサイトの表にリストされているインサイトが含まれる場合があります。 モデルのインサイトを表示するには、左ペインのリーダーボードでモデルをクリックします。 時間を認識したエクスペリメントでは、得られるインサイトが異なることに注意してください。
Available insights¶
インサイト | 説明 | 問題のタイプ | スライスされたインサイト? |
---|---|---|---|
ブループリント | データの前処理とパラメーター設定を表すグラフを提供します。 | すべて | |
係数 | 最も有用な30の特徴量の相対的な影響を視覚的に示します。 | すべて。線形モデルのみ | |
コンプライアンスドキュメント | 効果的なモデルリスク管理の構成について包括的なガイダンスを提供するために個別のドキュメントを生成します。 | ||
混同行列 | 多クラス分類問題の実測値と予測値を比較して、クラスの誤ったラベル付けを特定します。 | 分類、時間認識 | |
特徴量ごとの作用 | 各特徴量の値の変化によってモデル予測がどのように変化するかを示します | すべて | ✔ |
特徴量のインパクト | モデルの決定を推進している特徴量を表示します。 | すべて | ✔ |
個々の予測の説明 | 各特徴量が特定の予測にどの程度寄与するかを、平均値との差に基づいて推定します。 | 二値分類、連続値 | ✔ |
リフトチャート | モデルがターゲットの母集団をどの程度うまく分割しているか、そしてターゲットを予測することができるかを示します。 | すべて | ✔ |
モデルのイテレーション | Compares trained iterations in incremental learning experiments. | ||
残差 | モデルの予測パフォーマンスと妥当性を理解するための散布図とヒストグラムを提供します。 | 連続値 | ✔ |
ROC曲線 | モデルに関連した分類、パフォーマンス、および統計を調べるためのツールを提供します。 | 二値分類 | ✔ |
ワードクラウド | テキスト特徴量がモデル予測に与える影響を視覚化します。 | 二値分類、連続値 |
Leaderboard views¶
リーダーボードには2つの「フレーバー」があります。
- このページでは、単一のエクスペリメントのモデルを理解して評価するのに役立つエクスペリメントタブから得られるインサイトについて説明します。
- 比較タブページも参照してください。このタブページでは、単一のユースケース内の任意の数のエクスペリメントから、同じタイプ(二値、連続値など)のモデルを最大3つ比較できます。 比較ツールは、タブまたはパンくずのエクスペリメント名のドロップダウンからアクセスできます。
次のアクション¶
モデルを選択した後、エクスペリメント内から以下の操作を行うことができます。
更新しました May 14, 2024
このページは役に立ちましたか?
ありがとうございます。どのような点が役に立ちましたか?
より良いコンテンツを提供するには、どうすればよいでしょうか?
アンケートにご協力いただき、ありがとうございました。