機械翻訳について

特徴ベースの予測の予測パラメータ

このトピックでは、特徴ベースの予測に使用できる予測パラメータを示します。

予測パラメータを使用すれば、予測プロセスを制御できます。

予測パラメータ	摘要
AccuracyStratificationLevel	製品ディメンションの品目レベルの親レベルを指定します。 親レベルは、XG Boostの予測方法による予測精度のサンプル外計算に使用されます。 たとえば、製品ファミリをレベルとして選択した場合、予測精度のサンプル外計算は、複数の製品ファミリで選択された製品のサンプルに対して実行されます。 親レベルの階層が需要プランのディメンション・カタログにも存在することを確認してください。 ノート: また、選択したレベルを、レベルおよび属性に基づく機能グループ内の機能として追加する必要があります。
AccuracyThreshold	予測の最小許容精度を決定します。 値が低い場合、実行される検証は少なく、予測精度は低くなります。 ヒント: Oracleでは、AccuracyThreshold予測パラメータを0.4 (40%)から0.6 (60%)の値に設定することをお薦めします。 最初に低い値を指定し、特徴ベースの予測の精度に関する需要プランナのフィードバックに基づいて徐々に値を増やします。
ExternalStorageServiceName	Oracle Business Intelligence Cloud Connectorの「外部ストレージの構成」ページの「OCIオブジェクト・ストレージ接続」タブで作成したストレージ接続の名前が保存されます。 Oracle Demand Managementのデータは、Business Intelligence Cloud Connectorを介してOracle Cloud Infrastructure Object Storageサービスのストレージ保管場所に抽出されます。
PlanningAdvisorNotificationLayout	プランニング・アドバイザで提案された予測へのリンクをクリックしたときに開くページ・レイアウトの名前が保存されます。 予測プロファイルの新製品の事前定義の特徴ベース記帳予測の場合、事前定義の「特徴ベース記帳予測」ページ・レイアウトがデフォルトになります。 予測プロファイルの新製品の事前定義の特徴ベース出荷予測の場合、事前定義の「特徴ベース出荷予測」ページ・レイアウトがデフォルトになります。 作成したページ・レイアウトも指定できます。
TrainingPercent	XG Boost予測方法による機械学習に使用される組合せのパーセントを指定します。 残りの組合せは、機械学習の結果をテストするために予測方法で使用されます。 これらの組合せは、予測表に対して選択したレベルによって決まります。 値が低い場合は機械学習に使用できるデータが少なくなり、値が高い場合はテストに使用できるデータが少なくなります。 ヒント: Oracleでは、TrainingPercent予測パラメータを0.75 (75%)から0.85 (85%)の値に設定することをお薦めします。