Our Address

所在地 : 〒100-0004 東京都千代田区大手町1-5-1 大手町ファーストスクエアウエストタワー2F

海外拠点: 3F An Khanh Building 63 Pham Ngoc Thach St. Ward 06, Dist.3, HCMC, Vietnam

 

Contact

info@aiforce.solutions 

Copyright © 2019 aiforce solutions Inc. All Rights Reserved.

1.ログイン画面からID/PWを入力し、ログインします。( ID/PWを忘れてしまった方は、お問い合わせください。)

登録したアドレスと

​パスワードを入力します。

 

1.データ読み込み

「Drag file here」をクリックし、ファイル選択画面から取り込みデータ(CSV)を選択します。

プロジェクト登録画面が表示されますので、以下を入力し、「Create」をクリックするとプロジェクトが作成されます。

クリックして、

データを取り込みます。

​ドラッグ&ドロップでも

取り込めます。

プロジェクト名

​概要を入力します。

 

2.プロジェクト名などを入力します。

必要項目を入力して、Createボタンをクリックすると、プロジェクトが作成されます。

​(14日無料期間の場合はデータが500KB以下のものを取り込むことができます。)

取り込んだデータの

​ファイル名が確認できます。

3.データがスプレッドシート形式で表示されます。

各カラムの性質を必要に応じて変更します。

​デフォルトは全て説明変数(ヘッダーの色が青となります。)

​取り込んだデータの名前

​カラム

1.カラムの項目箇所をクリックすると変数を変更できます。

カラムの表示件数を調整できます。

サイズを拡大縮小できます。

各カラムのヘッダーをクリックすると変数を、変更することができます。

 

2.説明変数から目的変数を選択します。

説明変数(青ライン):

説明変数として利用するカラムを選択(デフォルトは説明変数)

インデックス(緑ライン):

予測シミュレーションのX軸となる項目を選択

(時系列分析の場合は、日付を選択)

未使用(グレーライン):

モデル構築の学習に利用しない特徴量を選択

リネーム: カラム名称を変更

型: データ型を変更

3.ヘッダーが赤ラインになれば目的変数の設定が完了します。

目的変数(赤ライン):

数値予測の場合

→ 回帰を選択(例 需要予測 等)

分類・識別の場合

→ 分類を選択(例 プロモーションのコンバージョン有無 等)

 

8.目的変数選択後に、「次へ」リンクをクリック、又は、「AIモデル構築」リンクをクリックすると
モデル構築画面に遷移します。

Click

機械学習/深層学習手法選択からアルゴリズムを選択します。

「学習実行(Run)」をクリックすると学習が開始されます。

AIモデル評価結果/AIモデル選択画面にアルゴリズム毎のモデル精度が表示されます。

 

回帰モデル: R2を採用

分類モデル: F1スコアを採用

 

最適モデル選択では、最も精度の高いモデルが選択されます。ただし、変更することも可能です。


選択されたモデルを利用して、予測シミュレーションを実行することになります。

ここでは、選択モデルを変更しながら、予測シミュレーションの結果を比較します。

 

保存ボタンをクリックすると、学習済みモデルのバイナリファイルをダウンロードできます。

 

学習済みモデルは、Python上から読み込むだけで、予測機能を簡単にモックアップに実装できます。

 

1.相関係数ヒートマップは、各特徴量間の相関係数をヒートマップ形式で表示します。

相関係数ヒートマップは、学習済みモデルを作成しなくてもプロジェクトとしてデータを読み込んだ時点で表示可能です。

2.予測シミュレーションでは、デフォルトで学習に利用した目的変数の実測値を表示します。

予測シミュレーションの「➕ボタン」をクリックし、目的変数がない説明変数データを読み込む

Click

目的変数がない

説明変数データを読み込む

実績値と予測値を画面上に表示できます。

ダウンロードボタンから

​データを出力できます。

予測値が表示されます。

3.マウスオーバーにより、特徴量と相関係数を確認できます。