予測結果の活用方法

モデルが検索で勝利すると、ML Studioは自動的にそのモデルを稼働させます。予測結果はデータセットの強化項目の一部となり、データが再読み込みされるたびに各ケースに対して予測値が更新されます。このページでは、予測値が表示される場所、それらの読み方、および保存された予測の管理方法について説明します。

予測値が表示される場所

完成した予測は、ケースに新しい列を追加します。データセットを再読み込みすると、Case Explorer（およびフィルター、ダッシュボード、エクスポートなどケース属性が使用されるすべての場所）でそれらの列を確認できます。

予測列はターゲット名に基づいて命名されます：

• Predicted [target] - 各ケースの予測値。バイナリや分類では予測されたラベル（例：Rehabのようなクラスや0 / 1のフラグ）を示し、回帰では予測された数値（例：4.75 日数）を示します。
• [target] confidence - バイナリおよび分類の場合、モデルの予測に対する信頼度をパーセンテージで示します。（回帰予測では数値そのものを報告し、別の信頼度列はありません。）

各予測はケース属性のセットに過ぎないため、同じデータセット上に複数の予測を作成できます。上記の例では、ケースは滞在期間の予測、退院処置の予測、および信頼度付きの再入院フラグの予測を同時に持っています。

予測値の読み方

• Predicted [target] 列を並べ替えやフィルターで操作し、重要なケース（失敗予測、遅延予測、関心のあるカテゴリに属する予測）を見つけます。
• 信頼度を使って、モデルが最も確信している予測に注目したり、境界の予測をレビューします。
• 他の属性と組み合わせて行動を起こします。リスクの高いケースのルーティング、作業の優先順位付け、アラートのトリガーなどに利用します。

予測値の最新化

予測値はデータセットが再読み込みされるたびに再計算されるため、最新データに合わせて更新されます。新しいケースや新しい活動を追加したら、データセットを再読み込みして予測を更新してください。

予測の管理

作成したすべての予測はプロジェクトと共に保存され、ML Studioのランディング画面のYour predictionsに一覧で表示されます。各エントリにはターゲット、予測タイプ、トレーニング日時、勝利モデルのスコアが示されます。ここから以下の操作が可能です：

• トレーニングレポートを開く – その予測の完全なスコアカード、指標、ドライバー、リーダーボードをいつでも再確認できます。
• 再トレーニング – 現在のデータ上でモデルを再構築します。プロセスやデータが変わった場合に使用し、最新のケースから学習します。

再トレーニングは再びモデルを検索し、同じ予測列を更新するため、それらに基づいて構築された既存のものは問題なく動作し続けます。

ヒント

• まずはバイナリ予測から始める。 はい／いいえの予測は、役立ち、分かりやすい結果を最速で得る方法です。
• 先に強化データを作る。 データセットに意味のある強化が多いほど、モデルはより多くを学習でき、予測の精度が向上します。
• 定期的に再トレーニングする。 プロセスは時間とともに変動するため、時折の再トレーニングで予測の精度を保ちます。

フィードバックの提供

ML Studioはアルファ機能であり、お客様のフィードバックが製品の改善に反映されます：

• メール：support@mindzie.com
• 件名：”Alpha Feedback: ML Studio” を含めてください
• 内容：やろうとしたこと、起こったこと、期待したことを記載してください。