予測タイプ

ML Studioの最初のステップ - 予測する内容を選択 - は一つの質問をします：どんな答えを求めていますか？ あなたの回答がその後のすべてを決定するため、ML Studioは３つの明確に説明された選択肢を提示し、選択をサポートします。

データサイエンスの知識は不要です。各カードはタイプの意味、いつ使うか、プロセス上の例を説明しています。

３つのタイプ

バイナリ - 「はいかいいえ」

何かが起こるかどうかを予測します - 可能な答えはちょうど２つ。

こんな時に使います：

• 答えが２つの結果のいずれかの場合（はい／いいえ、合格／不合格、起こる／起こらない）。
• チームが早期に対応できるようにリスクのあるケースをフラグ付けしたい場合。

プロセス上の例： 「このケースはSLAに間に合わないか？」 -> はい か いいえ、信頼度付き。

バイナリは最もシンプルで一般的な予測タイプで、最初に使うのに最適です。

分類 - 「どのカテゴリか」

あるケースが複数のカテゴリのうちどれに属するかを予測します。

こんな時に使います：

• 3つ以上の可能な結果がある場合。
• 最も可能性の高い単一のカテゴリと次点の候補も知りたい場合。

プロセス上の例： 「最終結果は何か？」 -> 承認、拒否、返金、エスカレーションなど。

分類は各カテゴリを分けるパターンを学習します。単純なはい／いいえでは足りず、どの種類かを知りたいときに選びます。

回帰 - 「数値」

数値を予測します - 金額、期間、回数など。

こんな時に使います：

• 答えが数値でありカテゴリではない場合。
• どれくらい、どれだけ長く、どれだけ多くかを重視する場合。

プロセス上の例： 「このケースは何日遅れるか？」 -> 約3.4日。

回帰は連続値を推定し、その予測誤差の目安も教えます。答えがラベル付けされたものではなく、測定される値の場合に選びます。

どれを選べばいいか分からない？

簡単な目安：

答えが...	選ぶタイプ
はい／いいえ	バイナリ
いくつかの名前付き結果のうちのひとつ	分類
数値	回帰

タイプがコントロールすること

選択内容がその後のフローを決定します：

• 予測可能なカラムの種類。 次のステップでは、ML Studioは選んだタイプに合うカラムだけを提供します - バイナリは２つだけの値のカラム、分類はカテゴリカルなカラム、回帰は数値カラムです。予測の作成を参照してください。
• 結果の評価方法。 各タイプは適した指標で評価されます - 例えばカテゴリは正確度、数値は典型的な誤差など。トレーニングと結果をご覧ください。
• ケースへの書き込み内容。 バイナリと分類は予測されたラベルと信頼度を追加し、回帰は予測数値を追加します。予測の利用を参照してください。

タイプを選んだら、Choose Binary、Choose Classification、またはChoose Regressionをクリックして次に進みます。