UIの変更に伴い、本の内容と一致しなくなった部分を下表に示します。 位置 誤 正 p.51 COLUMN 本やメガホンのアイコン クエスチョンマークのアイコン p.51 COLUMN 表示されるメニューから「DataRobotコミュニティ」をクリック 表示されるメニューから「コミュニティ」の下にある「コミュニティに質問する」または「ラーニングセンター」をクリック p.51 COLUMN DataRobotブログ 製品からDataRobotブログへのリンクは無くなりました。ここをクリックしてください。 p.58 表2.0.4 インサイト 「インサイト」タブは「モデル」タブのサブタブとして表示されます。 p.58 表2.0.5 本のアイコン メガホンのアイコン クエスチョンマークのアイコンに統合されました。 p.66 ワードクラウド ①最上部にある「インサイト」タブをクリックします。 ①最上部にある「モデル」タブをクリックし、サブタブの「インサイト」タブをクリックします。 pp.72-73 デプロイ ③「 新規デプロイを追加」ボタンをクリックします。 ③［モデルをデプロイ］ボタンをクリックします。 p.73 ④「 モデルをデプロイ」ボタンをクリックします。 ④-1 「予測リクエストで関連付けIDを要求」をオフにします。 ④-2 ［デプロイを作成］ボタンをクリックします。 p.73 ⑤「 モデルデプロイ」というポップアップウィンドウが表示されたら、「デプロイを開く」ボタ ンをクリックします。 ⑤「デプロイを作成しています」というポップアップウィンドウが表示されたら、何もせずに、ポップアップウィンドウが消えるまでお待ちください。 p.74 ⑥デプロイに関する画面が表示されるので、「インテグレーション」タブをクリックしてください。 ⑦「 スコアリングコード」をクリックします。 ⑥デプロイに関する画面が表示されるので、「予測」タブをクリックしてください。 ⑦「予測API」タブをクリックしてください。 p.161 ワードクラウド ①最上部にある「インサイト」タブをクリックします。 ②「ワードクラウド」をクリックします。 ①-1 最上部にある「モデル」タブをクリックします。 ①-2 「インサイト」タブをクリックします。 ②「ワードクラウド」をクリックします。 p.163 ホットスポット ①最上部にある「インサイト」タブをクリックします。 ②「ホットスポット」をクリックします。 ①-1 最上部にある「モデル」タブをクリックします。 ①-2 「インサイト」タブをクリックします。 ②「ホットスポット」をクリックします。 p.174 デプロイ ④「新規デプロイを追加」ボタンをクリックします。 ④［モデルをデプロイ］ボタンをクリックします。 pp.174-175 ⑤「デプロイに名前を付ける」で、何を予測するモデルのデプロイなのかが後でわかるように、デプロイの名前を入力します（ここでは「貸し倒れ予測」としています）。 ⑥「モデルをデプロイ」ボタンをクリックします。 ⑤-1 「デプロイ名」に、何を予測するモデルのデプロイなのかが後でわかるように、デプロイの名前を入力します（ここでは「貸し倒れ予測」としています）。 ⑤-2 「 予測リクエストで関連付けIDを要求 」をオフにします。 ⑥［デプロイを作成］ボタンをクリックします。 p.175 ⑦「モデルデプロイ」というポップアップウィンドウが表示されたら、「デプロイを開く」ボタンをクリックします。 ⑦「デプロイを作成しています」というポップアップウィンドウが表示されたら、何もせずに、ポップアップウィンドウが消えるまでお待ちください。 p.175 ⑨「インテグレーション」タブをクリックします。 ⑩「スコアリングコード」をクリックします。 ⑨「予測」タブをクリックします。 ⑩「予測API」タブをクリックします。

書籍「DataRobotではじめるビジネスAI入門」では、基本的に二値分類問題のサンプルデータを使って解説しています。そのほかの機械学習問題を試してみたい場合は、下表のデータ列のリンクからサンプルデータをダウンロードしてください。 問題の種類 ユースケース 予測ターゲット列 データ 二値分類 消費者ローンの貸し倒れの予測 貸し倒れ P2PLendData_JP.zip 多値分類 通信業者のサービスのレコメンデーション 提案プラン Telco_Next_Best_Offer.zip 連続値 レストランの新店の売上予測 ※ターゲットリーケージも体験できます 売上 New_Restaurants.zip     トライアル版をお使いの場合   トライアル版には、お試しユースケース（データセット）が内蔵されています。下表を参照して、お好きなユースケースをお試しください。 ユースケース 問題の種類 業種 モデルの目的 予測ターゲット列 再入院 二値分類 ヘルスケア 再入院のリスクが高い糖尿病患者を識別する 再入院 夢の野球チームの予測 連続値 スポーツ分析 前年の成績に基づいて翌年の選手の価値の見積もる WOBA Weighted On-Base Average： 打者が1打席あたりにどれだけチームの得点増加に貢献したかを表す指標 Plant Disease Detection 多値分類 農業 植物の葉の画像から、その植物が病気でないか、病気の場合は、病気の種類を推定する Class 予防保全 二値分類 オイル・ガス 油田掘削装置の故障を検知する 故障 ローンの債務不履行リスクの理解 二値分類 銀行業 住宅ローンの債務不履行を予測する 貸し倒れ ローンの繰上支払いを予測 二値分類 銀行業 住宅ローンの返済が早期に終了する可能性があるかを予測する 解約 戦略的疑惑リスト 連続値 セキュリティ 要因分析：高いSSLスコアを算出する重要な要因を識別する SSLスコア SSL： Strategic Suspect List 鋼板の欠陥の予測 二値分類 製造 品質の低い鋼板を検知する 欠陥 ローンの債務不履行を予測 二値分類 フィンテック 融資希望者の債務不履行リスクを予測する   貸し倒れ 不正請求検知 二値分類 保険 自動車保険の保険金請求の不正を検知する 保険金詐欺 ターゲット化された顧客サービス 多値分類 テレコミュニケーション 各顧客に最適な製品を推定する 提案プラン マネーロンダリング防止アクティビティスコアリング 二値分類 銀行業 疑わしい取引（マネーロンダリング）を検知する 疑わしい取引 保険の統計的推測 連続値 保険 事故により傷害を受けた従業員に支払う保険金を予測する 発生保険金

この記事はDataRobotにデプロイされたモデルに対して大規模な予測データを使って予測するためのバッチ予測 API を紹介します。Pythonのノートブックはこちらから利用可能で、このノートブックはDataRobot上でデプロイされたモデルを予測するための使い方が書かれています。 概要 バッチ予測 API はすでにデプロイした予測サーバーの利点を活かして大規模なデータセットを予測することができます。APIは、REST対応のクライアントやDataRobot Python SDKを通して利用することができます。 メリット バッチ予測 APIを用いることのメリットは下記になります Amazon S3のバケットから予測したいデータを利用でき、また予測結果をS3のバケットに格納できる DataRobot AIカタログから大規模なデータを予測できる 入力データと出力データのオプションをミックスすることができる。例えば、入力データはローカルで投入し、出力結果はS3に保存することができる。 並行制御レベルオプションを使って予測サーバの過負荷から保護する。 予測の説明を含める     入力オプション バッチ予測 APIで利用できる入力 出力は下記に通りです ローカルファイル S3 AI Catalog JDBC 出力オプション バッチ予測 API で利用できる出力のオプションは下記になります。 ローカルファイル S3 JDBC 並行予測 大規模なデータセットを予測するとき、バッチ予測 API 自動的にデータをチャンクに分割し、デプロイ特定の予測サーバのインスタンスで並行して予測される。並行数は利用者が直接ケースに応じて調整することが可能です。 モデルのモニタリング バッチ予測 API は、 DataRobotで使用しているモデルのモニタリングの機能の利用ができます。 デプロイでDataDriftが有効になっている場合、バッチ予測 API を介して渡す予測データは通常通り追跡されます。 精度のトラッキングが有効な場合、出力には後で実績を登録するために使用できる関連付けIDを持たなければなりません。 更新されたモデルで一貫した予測 ジョブがキューに入ったあとにデプロイされたモデルを置換した場合、DataRobotはジョブ作成時にデプロイされたモデルを使用します。これによりすべての行が同じモデルで予測され、結果が一貫していることが保証されます。 より詳細な情報 あなたがDataRobotのライセンスをお持ちの場合、アプリ内のドキュメントでバッチ予測API、取り込みオプション、および出力オプションを検索してください。

エンドポイント： /predApi/v1.0/api_token/ APIキーが返されます。キーをトークンとして、将来の予測リクエストを認証します。 DataRobot API では、以下を使用してください。 POST /api/v2/api_token/ 新規APIトークンを作成する場合 GET /api/v2/api_token/ 既存のAPIトークンを取得する場合

  サポートに寄せられたよくある質問をご紹介します。 質問 APIキーはどこで見つけることが出来ますか？ 回答   画面右上のアカウントアイコンをクリック後、表示される「Developer Tools」リンクをクリックして下さい。 すでに作成済みの場合は一覧がリストされますが、新規に作成する場合は、「新しいキーを作成」をクリックして任意の名前を入力後、「保存」を押すとキーが生成されます 参考：APIキー管理 質問 APIを使って、オートパイロットで、GUIの「実行時間の上限」と同等の設定を行うことはできますか？ 回答 オートパイロット開始オプションにあるblueprint_thresholdで設定することができます。 質問 Python APIで以下のエラーが出力されました。どのように対応すれば良いでしょうか？ SSLError: HTTPSConnectionPool(host='app.datarobot.com', port=443): Max retries exceeded with url: /api/v2/version/ (Caused by SSLError(SSLError("bad handshake: Error([('SSL routines', 'tls_process_server_certificate', 'certificate verify failed')],)",),)) 回答 SSL証明書の設定に不備・不足がある可能性がございます。御社環境にてWebフィルタリングを行なっているなど、SSL証明書の設定の必要性についてご確認下さい。一時的な回避策のため、あるいは、SSL認証を無効にした実行のためには、以下のように、「verify=False」を追記して実行して下さい。 auth=(USERNAME, API_TOKEN), data=data, headers=headers, verify=False)   質問 ホットスポット（RuleFit Classifier）のデータをAPIを介して、csvファイルとしてダウンロードする方法はありますか？ 回答 残念ながら、現状、API経由でのcsvファイルのダウンロードはサポートされておりません。

DataRobot APIおよび予測APIへのWebリクエストの認証で推奨されるAPIキーについて。

最新の情報は、 製品マニュアル をご確認ください。閲覧するには、DataRobotにログインする必要があります。 （この記事の最終更新日：2020年4月7日）   プロジェクトの作成および管理 各DataRobotプロジェクトには、学習に使用されるデータセット、およびそのデータセットから構築されるモデルが含まれています。 プロジェクト ドロップダウンを使用すると、最近アクセスしたプロジェクトをすばやく切り替えることや、それらのプロジェクトのワーカーを管理することができます。ドロップダウンのリンクからは、新しく作成するプロジェクトのデータ取込みページや、プロジェクトおよびプロジェクトで作業するツールの一覧を含む プロジェクトの管理 ページにアクセスできます。     プロジェクトの新規作成 新規DataRobotプロジェクトの作成方法は3通りあります。 画面 左 上にあるDataRobotロゴをクリックします。 右 上隅にある「フォルダアイコン」をクリックして プロジェクト ドロップダウンを開き、 新しいプロジェクトを作成 リンクをクリックします。   プロジェクト ドロップダウンを開いて プロジェクトの管理 リンクをクリックし、 新しいプロジェクトを作成 リンクをクリックします。 データ取込みページが開いたら、そのページにデータファイルをドラッグするか、該当するボタンを選択して 外部データソース 、 URL 、 HDFS 、またはローカルファイルからインポートします。   プロジェクトドロップダウンを理解する フォルダアイコンをクリックすると、最近アクセスした10のプロジェクトを含むドロップダウンが表示されます。   リスト表示されたプロジェクトはアクティブか非アクティブのいずれかです。 アクティブ なプロジェクトは、現在のプロジェクトか進行中のモデルを含むプロジェクトのいずれかです。 非アクティブ なプロジェクトにはワーカーが割り当てられていません（このインタフェースからは非アクティブなモデルのワーカー数を変更できません）。プロジェクトのステータスはレポートされません。DataRobotの プロジェクト ドロップダウンには、（最近のアクティビティに基づいて）最大9の非アクティブプロジェクトが表示されます。非アクティブなプロジェクトの完全なリストを表示するには、 プロジェクトの管理 リンクをクリックします。計算に失敗したプロジェクトは プロジェクトの管理 ドロップダウンに含まれませんが、フルインベントリに格納されます。 プロジェクト ドロップダウンは、以下の情報に加えて、 ワーカーの使用状況 に関する情報も表示されます。 要素 説明 新しいプロジェクトを作成（1） データ取込みページへのリンク。これはDataRobotプロジェクトを構築するための最初のステップです。 「プロジェクトの管理」コントロールセンター （2） プロジェクトインベントリページへのリンク。このページには、ログインユーザーが作成したすべてのプロジェクトまたはログインユーザーと共有されているすべてのプロジェクトがリストされます。デフォルトでは、プロジェクトは作成日を基準にリストされますが、列ヘッダーをクリックして表示を変更できます。このページからは、プロジェクトの名前の変更、プロジェクトの共有、コピー、およびタグ付けに加えて、プロジェクト'のホールドアウトのロック解除を行うことができます。 現在のプロジェクト（3） 現在のプロジェクトです。これは、コンテンツが データ ページおよび リーダーボード （該当する場合）に表示されているプロジェクトです。ドロップダウンには、現在のプロジェクトに関する サマリー情報 が表示されます。 最近使ったプロジェクト（4） 最近使った9つのプロジェクトがリストされます。プロジェクト名をクリックすると、そのプロジェクトが現在のプロジェクトになります。     プロジェクトサマリーを理解する プロジェクトサマリーレポートは、現在のプロジェクトを一目で理解できる便利なレポートです。このレポートには、以下の内容が含まれます。 一般情報およびデータセットの情報（特徴量、データポイント、および構築されたモデルの数） プロジェクト設定 モデル統計 ユーザー設定およびアクセス許可設定 表示内容を増やす または 表示内容を減らす の矢印を使用して、表示を制御できます。 モデルを構築する前は、サマリーではプロジェクト、データセット、およびユーザーに関する全般情報だけがレポートされます。プロジェクトのモデルを構築した後、サマリーレポートでは、プロジェクト設定と統計を始めとする追加情報がレポートされます。     プロジェクトドロップダウンからワーカーの使用状況を制御する プロジェクトドロップダウンは、以下で使用中および使用可能なワーカーの数をレポートします。 現在のプロジェクト 最近使用したプロジェクト すべてのプロジェクトでの総数 アクティビティがない場合、以下の情報が表示されます。   EDA2が完了すると、モデルがキューに入れられたときのステータスを表示できます。   モデルの構築が開始すると、以下の情報が表示されます。   プロジェクトの構築を開始した後に別のプロジェクトに切り替える場合（別のプロジェクトを現在のプロジェクトにして、構築中のプロジェクトを”最近使ったプロジェクト”にする場合）、以下のような画面が表示されます。プロジェクトに割り当てられたワーカーの数の増減およびプロジェクト構築の一時停止を行うことができます。   ドロップダウンインターフェースの一番下にワーカーのサマリーが表示されます。   サマリーには、すべてのアクティブなプロジェクトで使用されているワーカーの数が表示されます。表示される値： 進行中のモデルが実際に使用しているワーカーの数（割り当てられているだけのものは除く）。 すべてのプロジェクトにおいて設定されているワーカーの数の合計。   「プロジェクトの管理」コントロールセンターの使用 「プロジェクト管理」コントロールセンターでは、プロジェクトの識別と分類に役立つ多くの新機能を利用できます。これは、同じデータセット（または名前が同じ複数のデータセット）を使用する多くのプロジェクトがある場合に特に便利です。新しいページでは、各プロジェクトにさまざまなメタデータ（データセット名、モデルタイプ、ターゲット、構築されたモデルの数など）の注釈を付けることだけでなく、新しく検出されたメタデータでフィルタすることによってフィルタ機能を拡張することもできます。 コントロールセンターにアクセスするには、 プロジェクトの管理 （ プロジェクト ドロップダウン）をクリックします。     プロジェクトの管理 コントロールセンターから使用できる機能を以下の表に示します。 要素 説明 バッチ削除 （1） 「メニュー」ドロップダウンから複数のプロジェクトを一度に削除します。 検索（2） 入力したテキスト文字列に一致するテキストでページを検索します。ページが再表示され、文字列に一致するメタデータを含むプロジェクトだけが表示されます。 新しいプロジェクトを作成（3） データ取込みページが開きます。ここから、データファイルをページにドラッグすることや外部データソース、URL、HDFS、またはローカルファイルからインポートすることに加えて、 AIカタログ にアクセスしてプロジェクトを開始することができます。 タグ（4） 既存の タグ の検索、または新規タグの作成を行います。 プロジェクトをフィルタ （5） ジョブステータス、モデルタイプ、時間認識ステータス、および所有者でプロジェクト表示をフィルタします。 ソート（6） データセット ヘッダーをクリックすると、ヘッダーに基づいてプロジェクトをアルファベット順にソートできます。 作成日時 をクリックするとタイムスタンプでソートできます。もう一度クリックすると逆の順序でソートされます。デフォルトでは、プロジェクトは作成日を基準にリストされます。 ページビュー（7） 右向きおよび左向きの矢印をクリックして、プロジェクトのリストのページを移動します。 アクションメニュー （8） 個々のプロジェクトに対する操作を行います。   バッチ削除 「メニュー」アクションを使用してバッチ削除を簡素化できます。以下を実行することが可能です。 プロジェクト名の左側にあるボックスを選択して、個々のプロジェクトを選択します。 メニューを使用して、すべてのプロジェクトを選択または選択解除します。 プロジェクト名 ボックスをクリックすると、すべてのプロジェクトを選択（または選択解除）できます。 プロジェクトを選択した後、メニュードロップダウンを使用して、選択したプロジェクトを削除します。   プロジェクトの削除 （ アクション メニュー）を使用してプロジェクトを個々に削除することもできます。 Managed AI Cloudでは、削除したプロジェクトを元に戻すことはできません。オンプレミスデプロイの場合、削除されたプロジェクトを復元できるのはシステム管理者だけです。   プロジェクトをフィルタ プロジェクトをフィルタ リンクを使用してリストを変更すると、選択した条件に一致するプロジェクトだけを表示できます。複数のフィルタを適用できます。   次の表にフィルタオプションを示します。 フィルタ 選択した場合の表示 選択しなかった場合の表示 ジョブステータス 実行中またはキュー内のプロジェクトだけが表示されます。これは、ワーカーリソースを使用しているプロジェクトを識別するために役立ちます。 実行中、キュー内、および完了済みのプロジェクトが表示されます。 モデルタイプ 選択したモデルタイプだけが表示されます。 回帰、二値分類、多クラス分類、および教師なしモデルが表示されます。 時間認識 選択した（相互に排他的な）タイプのモデルを含むプロジェクトだけが表示されます。 非時間認識、時系列、および時間外検定（OTV）モデルが表示されます。 オーナー 現在のユーザーまたは別のユーザーのいずれかによって所有されているプロジェクトが表示されます。 所有者に関係なく、すべてのプロジェクトが表示されます。   プロジェクトにタグ付けする タグ名や色を特定のプロジェクトに割り当て、後でプロジェクトのリストから絞り込み検索ができるようにすることができます。タグを割り当てるには プロジェクトのリストから、同じタグを付けるプロジェクト名の左側にあるボックスを選択して、目的のすべてのプロジェクトを選択します。 上部のバーから タグ を選択します。 タグ名を入力して色を選んだら、プラス記号をクリックするか、Enterキーを押します。 タグ名の上にカーソルを合わせ、 ​すべて適用 をクリックします。 新しいタグはプロジェクトリストにおいてプロジェクト名の隣に表示されます。タグを取り除くには、タグ名の上にカーソルを合わせ、以下を選択します。 削除 : 選択されたモデルからタグを削除します。 **すべてを削除:**選択されたすべてのモデルからタグを削除します。 タグを削除 : そのプロジェクトとタグ付けされたすべてのモデルからその設定されたタグを削除します。   プロジェクトアクションメニューを使用する プロジェクトアクションメニューからは、個々のプロジェクトに対するさまざまなアクションにアクセスできます。 このメニューからは、以下の操作を行うことができます。 メニュー項目 説明 プロジェクトを選択 選択したプロジェクト（データ、モデル、インサイト）をDataRobotにロードします。関連するプロジェクト行をクリックしてプロジェクトを選択することもできます。 ホールドアウトのロックを解除 プロジェクト内のすべてのモデルのモデル精度評価指標が表示されます。（以下のメモを参照してください。） プロジェクト名を変更 現在のプロジェクト名の編集ボックスが開き、新しい名前を入力できます（最大100文字）。編集ボックスは、プロジェクトを直接クリックして開くこともできます。 プロジェクトをコピー 元のプロジェクトのデータセットを新しい名称未設定のプロジェクトにコピー（「クローン」）できます。コピーが完了すると、ターゲットの選択ページが開き、モデル構築プロセスを開始できます。データを再アップロードする必要がないため、プロジェクトをコピーすることがデータセットを操作する場合の最も速い方法です。データを効率的に再使用する方法については、早期リリースの AIカタログ も参照してください。 プロジェクトを共有 他のユーザー、ユーザーグループ、および組織を招待して、プロジェクトの閲覧や共同作業を許可できます。 プロジェクトを離れる プロジェクトでの 役割 を変更すると、参加を中止することができます。参加を中したプロジェクトは、プロジェクトセンターインベントリから削除されます。 プロジェクトを削除 プロジェクトコントロールセンターからプロジェクトを削除して、データを使用できなくします。Managed AI Cloudでは、削除したプロジェクトを元に戻すことはできません。オンプレミスデプロイの場合、削除されたプロジェクトを復元できるのはシステム管理者だけです。 続行しますか？ というプロンプトに応答する前に、次のセクションを読んで、ホールドアウトのロック解除の 影響を理解 しておいてください。   プロジェクトを共有する 他のユーザー、ユーザーグループ、および組織を招待して、プロジェクトの閲覧や共同作業を許可できます。プロジェクトを共有する場合、選択したターゲットに プロジェクトアクセスの役割を割り当て 、そのプロジェクトの使用方法を制御します。 「アクション」メニューのアイコンをクリックして プロジェクトを共有 を選択します。 表示されるダイアログで、プロジェクトを共有するユーザー、グループ、または組織の名前を入力します。入力すると、類似の文字を含む名前が表示されるので、目的の名前を選択できます。入力した文字を含むユーザー（1）、ユーザーグループ（2）、および組織（3）の名前が返されます。 プロジェクトを共有するユーザー、ユーザーグループ、および組織を選択します。複数のターゲットを一度に共有すると、全てに同じ役割が割り当てられます。（プロジェクトを共有した後、 役割の割り当てを変更 できます。） 選択したターゲットに役割を割り当て（またはデフォルト設定のままにして）、 共有 をクリックします。処理が正常に完了すると「正常に共有されました」というメッセージが表示され、プロジェクトの全てのターゲットを示すダイアログが表示されます。 ターゲットとして選択した各ユーザーにプロジェクトに参加するよう求める招待メールが送信されます。ユーザーグループまたは組織ターゲットのメンバーは、 プロジェクトの管理 ページで共有プロジェクトを表示できます。 または、上のメニューから 共有 アイコン（）アイコンをクリックして共有することもできます。 招待したユーザー、グループ、または組織の役割の変更 ユーザー、ユーザーグループ、または組織を招待してプロジェクトを共有する場合、選択した各ターゲットにはデフォルトの役割である「ユーザー」が割り当てられます。役割名の隣にあるドロップダウンメニューから役割を変更すること（1）やユーザーをプロジェクトから削除（2）することができます。 下表では各役割に許可されている権限を説明しています。 デプロイ固有の役割と権限 も 参照してください。   機能 オーナー ユーザー オブザーバー 全てを表示する ✔ ✔ ✔ IDEの起動 ✔ ✔   予測の作成 ✔ ✔   特徴量セットの作成と編集 ✔ ✔   ターゲットの設定 ✔ ✔   キューからのジョブの削除 ✔ ✔   オートパイロットの実行 ✔ ✔   他のユーザーとのプロジェクトの共有 ✔ ✔   プロジェクト名の変更 ✔ ✔   プロジェクトの削除 ✔     ホールドアウトのロックを解除 ✔     プロジェクトのクローン ✔ ✔  

サポートに寄せられたよくある質問をご紹介します。 質問 プロジェクトやデプロイはどのように共有出来ますか？ 回答 プロジェクトの共有方法は2通りあります。1つは該当プロジェクトを選択後の画面右側の5つのアイコンのうち、一番左の共有アイコンをクリックいただき、こちらに共有したいユーザのアカウントを入力して「共有」ボタンをクリックしてください。 もう1つのやり方としてはプロジェクト管理の画面から該当のプロジェクトのアクションメニューから「プロジェクトを共有」をクリックし、上記と同様、共有したいユーザのアカウントを入力して「共有」ボタンをクリックしてください。 デプロイの共有方法としてはデプロイタブをクリック後、デプロイ一覧のリストから該当デプロイメントのアクションメニューをクリックし、「共有」から共有したいユーザのアカウントを入力して、「共有」ボタンをクリックしてください。 質問 複数のプロジェクトを同時に扱うことはできますか？ 回答 可能です。複数のブラウザタブまたはウィンドウを開き、それぞれのプロジェクトを操作して下さい。   質問 プロジェクト内で、ターゲットと特徴量セットを定義した後、新しい特徴量セットと異なるターゲットで新しいモデルを実行できますか？   回答 ターゲットを定義した後、元のプロジェクトを「コピー」すると、データセットを新しいプロジェクトに素早く再アップロードし、新しいターゲットを選択できるようになります。 これを行うには、以下のようにします。 ページ右上のメニューのフォルダアイコンをクリックし、プロジェクトの管理を選択します。 プロジェクトメニューのアイコンをクリックし、「プロジェクトをコピー」を選択します。 元のプロジェクトのデータセットを使用した新しい無題プロジェクトが作成され、そのデータページが表示されます。

  サポートに寄せられたよくある質問をご紹介します。 質問 データをアップロードしようとした際にファイルサイズ超過のエラーが発生しました。どうすればよいですか？ 回答 基本はお客様の契約されているファイルサイズ（例：５G）までファイルの大きさを下げていただき、再度アップロードをお試しいただければと思います。ファイルサイズの制限は、プロダクションにお客様データが取り込まれた際のCSV形式でのデータサイズですので、その他サポートしているファイルタイプによって変換時に大きさが大きく異なる場合が’あることをご留意ください。ファイルサイズの詳細情報はUS-portalサイトに情報掲載がございますのでそちらをご参照いただければ幸いです。   質問 HDFS上に格納されたファイルはどのように指定することが出来ますか？ 回答 データのインポート画面より「HDFS」を指定後、基本的には以下のURLにてアクセス可能となります hdfs://<address>/<path> HA構成をご利用の場合は、アドレスをvirtual nameとして(例としてmyclusterというvirtual nameを持つ場合)以下のようにアクセスすることも可能です。 hdfs://mycluster/<path> この場合、myclusterは以下のような複数のNameNodeとして解釈されます。 * hdp-name1.rd2.hq.datarobot.com:8020 * hdp-name2.rd2.hq.datarobot.com:8020 なお、DataRobotの内部ストレージとしてHadoopをご利用の場合は、以下のように簡易的な記法でもアクセス可能となります。 * hdfs:///<path> * /<path>   質問 データセットのエンコーディングを確認することはできますか？   回答 弊社製品ではありませんが、例えばchardetなど、インターネットからダウンロードできるツールがあります。 https://pypi.python.org/pypi/chardet   質問 サポートされるファイルの種類は何ですか？   回答 DataRobotは、データ取り込みのために以下のフォーマットをサポートしています。 ファイル形式 .csv または .tsv* (推奨) データベーステーブル .xls .xlsx .sas7bdat *ファイルは、カンマ区切り、タブ区切り、セミコロン区切り、またはパイプ区切りのファイルで、データ列の数と一致するヘッダーを持つものでなければなりません。各行は同じ数のフィールドを持つ必要があります。 圧縮形式 .gz .bz2 アーカイブ形式 .tar 圧縮とアーカイブのフォーマット .zip .tar.gz/.tgz .tar.bz2 圧縮とアーカイブの両方が受け入れられます。しかし、DataRobotは圧縮されていないデータサイズを知ることができるため、データの取り込み時に効率的になるため、アーカイブの方が好ましいとされています。 エンコーディングと文字セット データセットは、以下のエンコーディング要件を守らなければなりません。 データファイルには、（URLからの）余計な文字やエスケープシーケンスを含めることはできません。 エンコーディングは、データセット全体を通して一貫していなければなりません。例えば、データファイルが最初の100 MBでUTF-8としてエンコードされていても、ファイルの後半にutf-8以外の文字がある場合、最初の100 MBからの検出が正しくないために失敗する可能性があります。 データは、以下のいずれかのエンコーディングに従う必要があります。 ascii cp1252 utf-8 utf-8-sig utf-16 utf-16-le utf-16-be utf-32 utf-32-le utf-32-be Shift-JIS ISO-2022-JP EUC-JP CP932 ISO-8859-1 ISO-8859-2 ISO-8859-5 ISO-8859-6 ISO-8859-7 ISO-8859-8 ISO-8859-9 windows-1251 windows-1256 KOI8-R GB18030 Big5 ISO-2022-KR IBM424 windows-1252 圧縮タイプ9（Deflate64）はサポートされていません。 PKWareはDeflate64を商標登録しており、独自の実装であると考えられています。Deflate64は、そのプロプライエタリな性質と、Deflateと比較した場合の限界的な性能差のため、zlibではサポートされていません。 windows explorerの圧縮オプションの代わりにwinzipやgzipなどの圧縮ツールを使ってみてください。

「高度なチューニング」タブでは、手動でモデルパラメーターを設定でき、DataRobotが各モデルに選択した設定を上書きでき、名前付きのチューニングパラメータとして保存することができます。場合によっては、パラメーター設定を試行することでモデルパフォーマンスを改善することも可能です。

機械学習手法の多くは非常に複雑であることから、モデルを直接解釈することが難しいことがあります。 特徴量ごとの予実 および 特徴量ごとの作用 のインサイトは、特徴量ごとのモデルの詳細を示します。 特徴量ごとの予実 と 特徴量ごとの作用 の両方には同じようなインサイトが表示されます。 特徴量ごとの予実 では、特徴量の有用性スコアに基づいて特徴量がランク付けされますが、 特徴量ごとの作用 では、特徴量のインパクトスコアに基づいて特徴量がランク付けされます。

データセットの特徴量（列）のインパクトの理解を促進するために、 特徴量のインパクト タブには、有用性でランク付けされたインパクトが表示されます。この情報を使用して、モデルのファインチューニングを行うことができます。有用性に関する情報はトレーニングデータにのみ依存するので、カスタム 特徴量セット を作成する際の特徴量選択方法として使用できます（検定およびホールドアウトパーティションからデータが漏洩することを回避できます）。（DataRobotでの 特徴量のインパクト の計算方法については、 以下 を参照してください。）

リポジトリは、選択したプロジェクトで使用できるモデリングブループリントのライブラリです。これらのブループリントは、モデル自体ではなく、モデルの構築に使用されるアルゴリズムを表示します。

最新の情報は、 製品マニュアル をご確認ください。閲覧するには、DataRobotにログインする必要があります。 （この記事の最終更新日：2020年4月7日） アプリケーションの右側のパネルに表示される ワーカーキュー では、 EDA1およびEDA2 のステップのモニタ、ターゲットの選択、およびモデル構築に使用する ワーカーの数 の設定を行います。 モデリングが完了すると、 ホールドアウトのロックを解除 して オートパイロットを再実行 できます。 パネルは、マウスを操作して矢印を表示してクリックすることによって最小化および展開できます。   ワーカーを理解する DataRobotでは、以下に示すようなジョブのタイプに応じて異なるタイプのワーカーが使用されます。 データのアップロード EDAの計算 モデルのトレーニング インサイトの作成 データの管理およびEDAの計算を行うワーカーは、組織全体で共有されます。これらのワーカーは、全ての共有サービスの高可用性を実現するためのリソースプールです。一方、モデリングワーカーは、管理者によって各ユーザーに割り当てられます。次のセクションでは、モデリングおよび予測ワーカーのワーカーキューについて説明します。 構築処理の進行状況を監視する 構築を開始すると、ワーカーキューに実行中や保留中のモデルがすべて表示されます。タスク送信のメカニズムに基づいてキューはタスクを優先順位付けします。「有用性の高い」ジョブが最初に処理されます。オートパイロットによって送信されたすべてのタスクは低優先度（バックグラウンド）に割り当てられます。その他のすべてのタスク（オートパイロットによって開始されなかったタスク）にはデフォルトの優先度が割り当てられます。例えば、ユーザーが送信したタスク（特徴量のインパクトの比較など）は次の使用可能なワーカーによって処理されます。オートパイロットでモデルの構築が終了するのを待つ必要はありません。 ワーカーキューでは次の操作を行うことができます。 表示 説明 進捗の表示 各モデルの構築中にサマリーと詳細情報を表示します。 ワーカーの調整 現在の構築に使用されている同時ワーカー数を調整します。 処理の一時停止 キューを一時停止するとともに処理中のモデルを完了させます。 構築のキャンセル スケジュールされている構築をキューから削除します。 モデル実行の再開 別の構築条件でモデルを再度実行するためのオプションを選択します。 何らかの理由によってワーカーまたは構築が失敗したら、キューの一番下に エラー イベントとしてリスト表示し、記録します。 進捗の表示 ワーカーキューは、処理中のモデルとキュー内の—モデルの2つの部分に分けられます。実行中のモデルについては、CPUおよびRAM使用状況のライブレポートが表示されます。 キュー内モデルリストの表示を最大化または最小化するには、キュー名の隣にある矢印をクリックします。 ワーカー数の調整 DataRobotがモデル構築に使う作業者ワーカーの数を、管理者が設定した最大数まで調整できます。プロジェクトが自分と共有されていて、所有者に高次の割り当てがある場合、許可されたワーカーの合計数には、所有者の割り当てが表示されます（必ずしも自分に許可されている数であるとは限りません）。ワーカーの数を増減させるには、オレンジ色の矢印をクリックします。 ワーカーキューの一時停止 ワーカーキューを一時停止するには、キューの上にある一時停止マーク（縦の2本線）をクリックします。一時停止後は、マークが再生マーク（矢印）に変わります。 キューを一時停止しても実行中のモデルの処理は続けられます。これらのモデルが完成すると、ワーカーはキュー内の次のモデルの構築を始められる状態になります。キューの一時停止を解除するまで、この順番は空いたままになります。モデルの構築を再開するには再生矢印をクリックします。 ワーカーのキャンセル 処理中モデルまたはキュー内モデルを削除するには、モデル名の隣にあるX印をクリックします。実行中のモデルはただちにキャンセルされ、キュー内のモデルはキューから削除されます。 モデル構築の再開 構築が完了したとき、または一時停止したときに、同じデータを使用して新しい構築を開始することができます。次のいずれかからモデル作成を再開します。 データ ページの 特徴量セット タブ。 ワーカーキュー（ オートパイロットを再実行 リンクを使用） リンクをクリックすると、使用する特徴量を選択できるダイアログボックスが開きます。セットの選択と再トレーニングを行う際は、 これらの注意事項 に留意してください。次に、 オートパイロットをリスタート をクリックして新しいモデル作成を開始します。  

さまざまなエンタープライズデータベースとの統合を有効にするために、DataRobotでは、データベース接続をセットアップするための「セルフサービス」JDBCプラットフォームが提供されています。

時間の経過に伴って条件が変化する可能性があるデータサイエンスの問題がある場合、時間認識モデリングが推奨されます。この方法では、モデルのトレーニングに使用した時刻ウィンドウとは別の時刻ウィンドウの観測値で検定セットが作成されます。時間認識モデリングでは、単一の行での予測を作成することや、その時系列のコア機能で最近の履歴からパターンを抽出して将来の複数のイベントを予測することができます。

データセットで1つ以上の時間特徴量が検出された場合、時間認識モデリングの機能がアクティブになります。ここでは一般的な時間認識モデリングのワークフローを示します。

日付/時刻のパーティショニングは、 時系列 と時間外検定（OTV)の両方のモデリングをサポートする基盤の構造です。実際、OTV は 、洗練された前処理や 時系列の精度 グラフなどの追加要素を含む日付/時刻のパーティショニングです。以下のセクションでは、ワークフローについて説明します。

DataRobot時間認識モデリングでの時系列特徴量の使用方法について説明します。

複数系列モデリングでは、入力特徴量の共通セットに基づいて、複数の時系列を含むデータセットのモデリングを行えます。これは、各行がどの系列に属するかを示すラベルの1つの列を含み、複数の時系列データベースで構成されると考えることのできるデータセットです。