• 手引き
  • プラットフォーム
  • パートナー
  • English
  • TLC Tealium Learning Center Tealium Learning
    Community
  • Discussions & Ideas Dicussions & Ideas
  • Product Guides Product Guides
  • Knowledge Base Knowledge Base
  • Developer Docs Developer Docs
  • Education Education
  • TLC Blog TLC Blog
  • Support Desk Support Desk
  • CDH Customer Data Hub Customer Data Hub

目次

  • デプロイ済みモデルのダッシュボード
    • 強みのスコアのレーティング
    • 展開済みのビュー
    • バージョンの適応
  • 追加情報
PREDICT

モデルの正常性の表示

この記事では、モデルの概要画面と、デプロイ済みモデルの継続的な正常性に関するガイドラインとしてスパークライングラフを使用する方法について説明します。

デプロイ済みモデルのダッシュボード

ダッシュボードで、デプロイ済みの各モデルがタイルとして表示されます。タイルで、そのモデルに対応する予測結果のスナップショットが表示されます。1つのタイルをクリックし、そのモデルの詳細を表示します。ダッシュボードビューを表示するには、[Predict] > [Overview]に移動します。

タイルで、モデルに関する以下の情報が表示されることがあります。

  • モデルの[status]である”In Training”や”Deployed”は、各タイルの右上隅に表示されます。 
  • モデルの[strength score rating]である”Fair”や”Excellent”。

    強みのレーティングは自動的に再計算され、スパークライングラフは最新のレーティングを反映します。

  • モデルの全般的なパフォーマンストレンドを示す1つのsparkline graph。

  • デプロイ済みモデルのversion。

Predict Tiles View.png

強みのスコアのレーティング

ダッシュボードビューで、強みのスコアは、(0.91)のように、かっこで囲まれた小数の形で表示されます。この数値は、レーティングの土台になったF1スコアを反映しています。

初期の予測時間枠が経過するまでは、デプロイ済みモデルに対応する強みのレーティングを把握または計算することはできません。この理由で、予測時間枠が経過した後の日になるまでは、モデルに対応する強みのレーティングを使用することはできません。たとえば、今後10日間の購入の可能性を予測するモデルを1月1日にデプロイした場合、1月10日が過ぎるまでは、レーティングを計算することはできません。

展開済みのビュー

1つのタイルをクリックすると、そのモデルの展開済みのビューが表示されます。展開されたビューで、スパークライングラフは時間の経過に伴う予測範囲のトレンドを示します。

予測範囲は、以下の強みのスコアに基づいています。

  • Most Likely(非常に可能性が高い) (0.76 - 1)
  • More Likely(ある程度可能性が高い) (0.51 - 0.75)
  • Less Likely(ある程度可能性が低い) (0.26 - 0.50)
  • Least Likely(非常に可能性が低い) (0 - 0.25)

Predict Sparkline Graph Sample User Fade.png

バージョンの適応

スパークライングラフは、バージョン設定に適応できます。たとえば、最初に”Version 1”をデプロイし、その後に”Version 1”をデプロイ解除して”Version 2”をデプロイした場合_、_グラフは自動的に”Version 1”から”Version 2”に切り替わります。この適応可能なチャートにより、モデルのうち最新のデプロイ済みバージョンに対応する出力属性の強みを確実に表示できます。

追加情報

モデルのスコアと評価の詳細については、以下の記事を参照してください。

  • トレーニング済みバージョンの評価
  • デプロイ済みモデルの正常性スコア
モデルの削除
デプロイ済みモデルの正常性スコア

 
  • iQ Tag Management
  • はじめに
    • はじめに
    • データレイヤーの基本
    • データレイヤーの基本: 共通変数の追加
    • タグの基本
    • タグの基本: タグの追加
    • タグの基本: 読み込みルールの追加
    • タグの基本: データマッピングの追加
    • 拡張機能
    • 拡張機能: 拡張機能の追加
    • 保存と公開
    • 変更の保存
    • 公開環境
    • 保存と公開
    • インストールとテスト
    • utag_dataとutag.jsのインストール
    • コードセンターの使用
    • Web Companionの検証
    • 次のステップ
  • EventStream
  • はじめに
    • はじめに
    • データソース
    • データソース: データソースの追加
    • データソース: インストールとテスト
    • Live Events
    • イベント仕様
    • イベント仕様: 仕様の追加
    • イベント仕様: データ品質
    • イベントフィード
    • イベントフィード: フィードの追加
    • コネクタ
    • コネクタ: コネクタの追加
    • トレース
    • トレース: トレースでのテスト
    • 保存と公開
    • 次のステップ
  • AudienceStream
  • はじめに
    • はじめに
    • 属性
    • 属性: エンリッチメント
    • 属性: バッジ
    • 属性: オフラインデータ(オムニチャネル)
    • Visitor Stitching
    • Visitor Stitching: 訪問者ID
    • Visitor Stitching: パート1
    • Visitor Stitching: パート 2
    • Visitor Stitching: 検出
    • オーディエンス
    • コネクタ
    • コネクタ: コネクタの追加
    • トレース
    • トレース: トレースでのテスト
    • 保存と公開
    • 次のステップ
  • Predict ML
  • はじめに
    • 概要
    • 予測の紹介
    • 用語集
    • 使用可能な階層
    • 前提条件
    • 戦略と目的
    • 複数のアプローチ
    • データの準備
    • モデルのスコアとレーティング
    • モデル作成
    • モデルについて
    • モデルの追加
    • 確認とトレーニングの開始
    • モデル評価
    • トレーニング済みバージョンの評価
    • モデルの再トレーニング
    • モデルのデプロイ
    • モデルの削除
    • モデル監視
    • モデルの正常性の表示
    • デプロイ済みモデルの正常性スコア
    • オーディエンスの予測
    • オーディエンスの検討事項
    • 高度なトピック
    • モデルの再トレーニングに関する推奨
    • Visitor Stitchingが予測モデルに影響を与える方法
    • データのコンプライアンスと使用方法
    • マシンラーニングと人工知能(AI)の比較
    • マシンラーニングのコンセプトとテクノロジー

このページはお役にたちましたでしょうか?

最終更新日 :: 2021年March月10日       ご意見有難うございます。
  • 手引き
  • プラットフォーム
  • パートナー
  • モバイル
  • 始める
  • Remote Commands
  • Android (Java)
  • Cordova
  • Flutter
  • iOS (Objective-C)
  • iOS (Swift)
  • React Native
  • Xamarin
  • ウェブ
  • AMP
  • Angular
  • JavaScript (Web)
  • サーバーサイド
  • C#
  • HTTP API
  • Java
  • Node
  • Python
  • Roku
  • Ruby
  • Unity