アルゴリズムの選択

拡張プレディクションに使用するアルゴリズムを選択します。

拡張プレディクションに使用するアルゴリズムを定義するには:

1. 「アルゴリズムの選択」セクションで、使用するアルゴリズムを選択します:

   • Oracle AutoMLx—10個のアルゴリズム(単変量と多変量の両方を含む)の独自のスイートです。これにより、指定された誤差測度に最適なモデルが自動的に選択されます。これらのアルゴリズムがすべて実行され、最適な結果をもたらす最適なオプションが選択されます。

     • データに対して様々な統計モデルおよび機械学習アルゴリズムを実行します。
     • モデルをチューニングおよび検証します。
     • データに最適なモデルを見つけます。
     • データを最適なモデルに適合させます。

   • Light GBM—Light Gradient Boosting。アンサンブルおよびツリーベースの高速化の効率が高いアルゴリズムで、大規模なデータセットに適しています。他の機能と比較して時間の重みが少ないデータ・セットに最適です。

   • XGBoost (eXtreme Gradient Boosting)はアンサンブルおよびツリーベースのアルゴリズムで、他の機能と比較して時間の重みが少ないデータ・セットに最適です。

   • Prophet—季節的な影響が強く、複数の季節のある履歴データに最適な時系列アルゴリズム。

   • SARIMAX—外生アルゴリズムを使用したArima。

2. 選択したアルゴリズムに使用する「予測誤差メトリック」を選択し、アルゴリズムでどのように最適なモデルを選択するかを定義します。選択した誤差メトリックに基づいてモデル・トレーニングを最適化し、プレディクションでの使用に最適なオプションを決定します。MLエンジンはデータからパターンを学習し、可能なかぎり誤差を最小化するための最良の選択肢を探します。MLエンジンは、選択した誤差メトリックに対して各反復を評価し、誤差メトリックが最も低い反復を選択します。
   • sMAPE—対称平均絶対パーセンテージ誤差
   • MAPE—平均絶対パーセント誤差
   • RMSE—2乗平均平方根誤差

   拡張プレディクションは、選択した誤差測度を使用して、次のことを行います:

   • 最適なモデルとして誤差が最も少ないモデルを選択します。
   • 最適なモデルに対して:
     • 入力系列に対応する適合系列を生成します。
     • 範囲に対する予測を生成します。