詳細情報:
モデルについて
モデルは、Einstein Discovery が特定の結果を予測するために使用する高度でカスタムの数学的構成体です。モデルは、入力 (1 つ以上の説明変数) を受け入れて、出力 (予測結果、上位の要因、改善) を生成します。モデルを作成すると、Einstein Discovery で予測分析と指示的分析が生成されます。
メモ Einstein Discovery ストーリーがモデルになりました。一度にすべての場所の名前を更新することはできないため、置換が完了するまで、場所によっては以前の名前になっている場合があります。
予測分析および指示的分析のモデル
これらの分析は、データマイニング、機械学習、予測統計モデリングに基づいており、次のように説明されます。
- 予測分析とは過去の結果の包括的な分析に基づいて将来の結果を予測する手法です。
- 指示的分析とは予測結果の改善方法を提案する手法です (改善)。
Einstein Discovery はモデルを使用して診断的インサイト、予測、改善を生成します。
用語
モデルを使用する場合は、次の用語を参照してください。
| 用語 | 定義 |
|---|---|
| モデル | Einstein Discovery が過去の結果に関する包括的かつ統計的な理解に基づいて生成する高度なカスタム等式。Einstein Discovery ではモデルを使用して、将来の結果を予測します。モデルは、1 つ以上の予測変数の値を入力として受け入れて、予測結果を出力として生成します。要求に応じて、上位の要素と改善も生成されます。 |
| 予測因子 | 予測を計算するためにモデルが入力として受け入れる説明変数。予測因子は予測変数または独立変数とも呼ばれます。 |
| 予測 | 考えられる将来の結果を表す、モデルによって生成される派生値。予測は、モデルで受け入れられる予測変数の入力に基づく予測モデルの出力と考えることができます。 |
| 上位の予測因子 | 予測結果に最も大きな影響を与える条件。条件は、変数に関連付けられたデータ値です。Einstein Discovery では、予測因子は 1 つまたは 2 つの条件で構成されます。 |
| 改善点 | 目的の結果になる可能性を高めるためにユーザーが実行できる推奨アクション。改善は、アクション可能な変数に関連付けられます。アクション可能な変数は、配送方法や登録者のメンバーシップレベルなど、ユーザーが制御または影響を与えることができる変数です。Einstein が推奨するアクションを実行することで、ユーザーはより肯定的な結果になる可能性を高めることができます。 |
| 予測定義 | 1 つ以上のモデルに関連付けられた Einstein Discovery のコンテナオブジェクト。予測定義に複数のモデルが含まれている場合、モデルごとに異なるデータ区分の予測が生成されます。予測定義には最大 10 個の有効なモデルを含めることができます。 |
| 区分 | データのさまざまな区分 (サブセット) を対象とするモデルをリリースします。たとえば、データに大規模、中規模、小規模の顧客が含まれており、会社組織は各グループの特化したニーズに対応するために顧客規模に重点を置いているとします。大規模、中規模、小規模の顧客向けの個別のモデルを作成してリリースし、各グループの独自の特性に対処します。各グループの条件を指定する検索条件を使用して区分を定義します。区分には、予測定義と複数のモデルが含まれます。 |
| 予測列 | Einstein Discovery がモデルから返された予測値を保存する CRM Analytics データセットの列。 |
モデルの種別
Einstein Discovery は、3 つのモデル種別を使用します。モデル種別は、ストーリーで使用される結果変数によって異なります。
| 使用事例 | 説明 |
|---|---|
| 数値の使用事例 | 数値項目 (基準) には、多くの異なる値の型が含まれます。数値項目の予測は、モデル品質を測定する総計値の独自のセットを使用する回帰問題です。 |
| バイナリ分類の使用事例 | カテゴリ (テキスト) 項目 (分類) には、2 つの定性的な値のみが含まれます。たとえば、true または false、public または private、churned または not churned のいずれかになる変数です。これらの項目により、データが 2 つの個別のグループに分類されます。カテゴリ項目の予測は、モデル品質を測定する総計値の独自のセットを使用するバイナリ分類問題です。 |
| マルチクラス分類の使用事例 | 3 ～ 10 個のクラス (結果) を含むカテゴリ (テキスト) 項目 (分類)。たとえば、メーカーは顧客属性に基づいて、顧客が 6 つのサービス契約のうちどれを選択する可能性が最も高いかを予測できます。 |
Einstein Discovery でモデルを使用するときの考慮事項
- 分析中に Einstein Discovery でカーディナリティが低い (10 個以下の一意の値) 数値変数が検出された場合、生成されたモデルのこの変数のデータ型は、数値ではなくテキストになります。
この記事で問題は解決されましたか?
ご意見をお待ちしております。
