学習プロセス

入力データがどう前処理され、どう分けられ、どのアルゴリズムで学習されたかを追う画面です。 精度の数字が納得できないときに、どこで何が起きたかをここで確かめます。

全体プロセス

ノードの入力データから出力内容ができるまでを、箱と矢印でたどれます。 読み取れるのは次の 3 つです。

MLアンサンブル(βver)で作ったモデルでは、アンサンブルの箱が出て、どのアルゴリズムが混ざったかが分かります。

前処理を通したあとのデータの、先頭 10 行です。目的変数の列が赤、説明変数の列が青で塗られます。

前処理で自動的に作られた列も、ここに入っています。 元のデータにない列名が並んでいたら、それは前処理が作ったものです。

プルダウンで列を 1 つ選ぶと、その列がどう加工されたかが順に図示されます。 箱にマウスを乗せると、どの方法を使ったかなどの細かい情報が出ます。

採用されたアルゴリズムの内部のパラメータが、パラメータと値の 2 列で並びます。

MLアンサンブル(βver)のときはモデルIDとアルゴリズムの列も付き、混ぜたモデルの分だけ行が増えます。

学習アルゴリズムに決定木が選ばれたときだけ出ます。 木の形で分岐の条件が見えるので、ルールとして読み取れます。

ノード	出ない節
MLアンサンブル(βver)	前処理後データ / 前処理プロセス
決定木以外のアルゴリズムが選ばれたとき	決定木グラフ

MLアンサンブル(βver)で前処理の節が出ないのは、混ぜた 1 本ずつで前処理の中身が違い、1 枚の図にまとまらないためです。1 本ずつの前処理はモデル詳細情報で見られます。