プロ・ビジネス・エンタープライズのみで利用可能な機能です。詳細は料金ページを参照してください。
テンプレートはモデルトレーニング時に、トレーニングの設定を記録して保存する概念です。
VARISTAでは分類用に3つ、多値分類用に3つ、回帰用に3つ、合計9つのテンプレートが用意されています。
テンプレートはプロジェクトごとに新しく作成、または複製してオリジナルものを作ることが可能です。別のプロジェクトで使用したい場合は、プロジェクトを跨いで複製することができます。
テンプレートを利用した学習
VARISTAはテンプレートを用いてモデルトレーニングを行います。
分類モデルを作る場合の例
- Basic Ensemble Classifier
- XGBoost Classifiter
回帰モデルを作る場合の例
- Autopilot for Regression
- XGBoost Regressor
- Basic Ensemble Regressor
テンプレートの管理
テンプレートの作成や編集を行うには、任意のプロジェクト内から以下の操作を行いテンプレート管理画面に移動します。
モデリング › テンプレート(タブ)
テンプレートの新規作成
テンプレート管理画面に移動すると 新規作成 からテンプレートを新しく作成することができます。
基本設定
- Objective: 分類 / 回帰
- データ前処理:
- 欠損値の扱い: 削除 / 簡易補完(平均、最頻値で補完)
削除: 欠損がある列を削除します
簡易保管: 数値列は平均、カテゴリ列は最頻値を用いて補完します - カテゴリ列の変換: Label Encoding / One-Hot Encoding
カテゴリ列をいずれかの手法を使い変換します
- 欠損値の扱い: 削除 / 簡易補完(平均、最頻値で補完)
- 検証データの分割設定
- 分割サイズ: （数値） 訓練データとテストデータを分割する割合を指定します
- シャッフル: (Boolean) データをシャッフルするか指定します
- ランダムシード: (数値) データをシャッフルする場合のRandomStateを指定します
VARISTAにおける最大値は9999999999です。
モデル設定
- 学習タイプ
- Single: 単一のアルゴリズムを利用してモデルトレーニングを行います。
- Auto Selection: VARISTAのAutoML機能を使いモデルトレーニングを行います。
アンサンブル学習に利用できる最大モデルは32モデルですが、データサイズによっては学習中にメモリエラーとなる場合がござます。 - Ensemble: 複数のモデルを融合するアンサンブル学習を使いモデルトレーニングを行います。
現在サポートしているアンサンブル学習は、Stacking と __Voting__です。
Boosting (ブースティング)およびBagging(バギング)については、Singleを用いてXGBoostなどのアルゴリズムをご利用ください。
アンサンブル学習に利用できる最大モデルは32モデルですが、データサイズによっては学習中にメモリエラーとなる場合がござます。
- アルゴリズム: モデル作成に使用するアルゴリズムを指定します。利用できるアルゴリズムは以下の通りです。
- XGBoost
- LightGBM
- CatBoost
- Linear
- Ridge
- Ridge CV (CV: Cross Validation)
- AdaBoost
- Extra Tree
- Gradient Boosting
- Random Forest
- Hist Gradient Boosting
- パラメータ: ハイパーパラメータのチューニング設定を指定します。
AutoTuneを指定しない場合は、全ての項目について任意のパラメータを設定することができます。AutoTuneを指定した場合はハイパーパラメータを自動探索するため、探索する範囲を指定します。- Auto Tune: ハイパーパラメータの自動探索アルゴリズムを指定します。
- AutoTune rounds: ハイパーパラメータ自動探索時の試行回数を指定します。
- AutoTune CV Settings: ハイパーパラメータ自動探索時のクロスバリデーションの設定を行います。
n_splits: (数値) クロスバリデーションの分割数 (1-10)
Shuffle: (Boolean) クロスバリデーション時にデータをシャッフルするか否かの設定 (True/False)
random_state: (数値) データをシャッフルする場合のrandom_stateを設定(最大値: 9999999999)
テンプレートの複製
テンプレート一覧から任意のテンプレートの右に表示されているミートボール メニューを選択して、複製を選択してください。
複製先のプロジェクトを選択することで、任意のプロジェクトに複製することができます。
テンプレートの編集
テンプレートを編集するには、テンプレート一覧から任意のテンプレートを選択します。
値を変更したら 保存 を選択して変更内容を保存します。
テンプレートの削除
テンプレートを削除するには、テンプレート一覧から任意のテンプレートのミートボール メニュー
を選択して 削除 を選択するか、テンプレート詳細を開き、画面最下部にある テンプレートを削除 を選択します。
一度削除したテンプレートは復元できないのでご注意下さい。
Hyperopt
https://github.com/hyperopt/hyperopt ↩︎Optuna
株式会社Preferred Networksが開発するオープンソースのオープンソースのハイパーパラメータ自動最適化フレームワークです。Optunaは株式会社Preferred Networksの商標または登録商標です。
https://www.preferred.jp/ja/projects/optuna/ ↩︎