回帰と分類
一般に教師あり機械学習には、回帰と分類という 2 種類の予測問題があると言われています。回帰の問題とは、価格や重量などの連続する数値を予測するものです。一方、分類の問題は値を離散するカテゴリ（「yes または no」、「赤または青」、「購入、売却または保留」など）に分類します。
DataRobot には複数の回帰手法が導入されています。その手法は最も単純なもの（線形回帰）から複雑な伝統的統計回帰モデル、さらにはより複雑な勾配ブースティングやニューラルネットワークまで多岐にわたります。このプラットフォームでは単純な二値の分類問題だけでなく、複雑な多値分類の問題も解決でき、最大100種類のカテゴリへの分類が可能です。顧客が次に購入しそうな商品や顧客離れを生む原因を高い精度で予測できたら、すばらしいと思いませんか？DataRobot があればこのような機械学習モデルの作成も簡単に自動化できます。その高い透明性から、なぜそのような予測が出力されたのかを理解しやすく、安心して予測を使用することができます。
特徴量エンジニアリングの自動化
DataRobot がデータを準備し、モデルを自動作成して、ワンホットエンコーディングや欠損値補完、テキストマイニング、標準化、データのパーティショニングといった処理を実施します。データは各アルゴリズムに適した特徴量に変換されるため、いつでも最適な結果が得られます。
卓越した精度
DataRobot は、R、Python、scikit-learn、H2O、TensorFlow、Vowpal Wabbit、Spark ML、XGBoost をはじめとする、最新かつ最もパワフルなオープンソースの機械学習ライブラリを使用しています。また、ブースティング、バギング、ランダムフォレスト、カーネル法、一般化線形モデル、ディープラーニングなど、データサイエンティストが利用している高度な技術が組み込まれています。
民主化がもたらす革新
DataRobot では、データサイエンティストが必要とするような高度な機能をすべての人が使いやすい形で提供します。DataRobot には多値分類のモデリングから異常値検出、単調性まで、データサイエンスのベストプラクティスとガードレールがあらゆるステップに組み込まれています。それにより、すべてのユーザーが機械学習プロジェクトで協働し、全社的なAI主導の取り組みに参加することができます。
モデルのデプロイと管理
DataRobot で作成したモデルはすべて、すぐに本番環境で利用できます。スコアリングするデータの一括アップロード、DataRobot の API を使用した予測の生成、さらにダウンロードしたスコアリングコードをお客様のアプリケーションに直接組み込むことも可能です。デプロイしたモデルのパフォーマンスはポータルから監視し、時間の経過に伴ってデータや精度に変化が生じた場合には簡単にモデルをリフレッシュして置換できます。
機械学習自動化の活用事例
意思決定をより積極的かつ正確に行えるようになったことが、最大の導入効果です。
Senior Business Development Manager, Latin America, Lenovo Brazil
Lenovo 社は世界有数のテクノロジー企業です。全世界でコンピューター、ノートPCおよびアクセサリを販売し、その売上は年間450億ドルを超えています。中国の多国籍企業である同社は、ブラジルを主要な新興市場の 1 つと考えています。
DataRobot の利用で Lenovo 社は高い精度で販売数量を予測できるようになり、ブラジルの B2C 市場においてノート PC 販売シェアでトップに立ちました。これ以外にも進行中の機械学習プロジェクトは多数あり、Rodrigo Bertin 氏はチームのメンバーとともに機械学習の自動化を活用して、目の前に広がるブラジルの巨大市場を手中に収めようとしています。
お客様の声
機械学習の自動化にご興味がありますか？
お問い合わせ