の構成のヒント 予測インテリジェンス

ソリューショントレーニングおよびソリューション予測中に問題が発生した場合は、次の推奨される解決策に従ってください。

入力データ

モデルをトレーニングするために少なくとも 30,000 件のレコードを用意することが推奨されますが、モデルの精度は入力データによって決まります。

ソリューションのトレーニングに使用される入力データの品質を決定する主な要因は 3 つあります。

• 清浄度: サニタイズされたデータはノイズを低減し、モデルの精度を高めます。
• 品質: 正確な予測を行うようにモデルをトレーニングするには、入力と出力が有効かつ正確である必要があります。
• 分布: データセット全体を表すデータは、より一般化された予測を行うことができるモデルになります。

ほとんどの生データセットには、ダーティデータや使用できないデータが含まれています。正確な予測モデルを維持するためには、トレーニング前に入力セットを確認することが不可欠です。

入力データの約 80% をモデルのトレーニングに使用し、データの約 20% をモデルの正確かどうかの評価に使用することをお勧めします。モデルの予測結果を、残りのデータの 20% の実際の値と比較できます。

ソリューショントレーニング

問題	解決策または提案されたアクション
スケジューラージョブが誤った Glide コールバックインスタンス URL を使用しているため、ソリューショントレーニングが [トレーニングを待機中] ステータスのままになる時間が長すぎます。	Glide インスタンスのプロパティが glide.servlet.uri 正しいインスタンス URL に設定されていることを確認します。この問題は、次の場合に発生する可能性があります。 インスタンスは本番環境からクローンされますが、引き続きプロパティの本番 URL を参照します glide.servlet.uri 。 Glide インスタンスがプロビジョニングされ、初めてトレーニングが実行されます。
新しいカテゴリが追加されましたが、まだトレーニングには影響していません。	ソリューションが再トレーニングされるまで、新しいカテゴリに十分なデータがない可能性があるため、これは想定される動作です。
ソリューションのトレーニングに失敗します。	トレーニングが失敗した場合は、ソリューション画面の [トレーニング進捗状況の表示 ] 関連リンクをクリックして、潜在的な問題が存在する場所を特定します。
ユーザー認証が原因でソリューショントレーニングが失敗します。	[System Security> Users] に移動し、sharedservice.worker ロールが [アクティブ] に設定されていることを確認します。
モデルトレーニングが返され、モデルを作成できないと表示されます。トレーニングが失敗し、「トレーニングソリューション中にエラーが発生しました」というメッセージが表示されます。トレーニングの進行状況ウィンドウに、「使用されたデータが十分でないか、入力フィールドが出力フィールドを予測していないため、ソリューショントレーニングに失敗しました」というメッセージが表示されます。	この問題は、データ量またはフィールド値の分布が、モデルを正常に構築するのに十分でない場合に発生する可能性があります。次の手順に従ってトラブルシューティングを行います。 出力フィールドの分布が歪んでいないことを確認します。 大量のデータを使用するように日付フィルターを変更して、モデルを再トレーニングします。 入力フィールドが完全に入力されていない場合は、フィルターを追加して null レコードを削除します。
ソリューションには複数の言語のデータがありますが、カバレッジと精度の結果は不十分です。	測定基準を改善するには、次のオプションを使用します。 オプション 1: ソリューションの処理言語を英語以外の最も目立つ言語に更新します。 注: 既定では、すべてのデータセットに英語が適用されます。 オプション 2: 各言語/地域に十分なデータがある場合: プライマリ言語 (オランダ語、英語、フランス語、ドイツ語、日本語、スペイン語) を識別できる特定の言語/地域のフィルター条件を追加します。 各言語/地域のソリューションを生成し、各ソリューションに適切な処理言語を適用します。

ソリューション予測

問題	解決策または提案されたアクション
予測は失敗し、原因が不明な Java 例外を返します。	Glide ログで 予測インテリジェンス 例外を検索します。 例外、影響を受けるインスタンス、ソリューション名、入力文字列など、関連するすべての詳細を含むインシデントレコード 予測インテリジェンス を送信します。
インシデント/ケースレコードには予測は適用されませんが、REST API Explorer でテストすると予測が値を返します。	これは、予測の信頼性が予測を行うために必要なしきい値よりも低い場合に発生する可能性があります。ソリューションのトレーニングが完了したら、次の手順を使用して、ソリューション設定を調整する必要があるかどうかを確認します。 [システム Web サービス > REST] > [REST API エクスプローラー] に移動して、予測の信頼性レベルを確認します。「分類のソリューション予測のテスト」を参照してください。 ML ソリューション定義レコードで、クラスの名前をクリックして、予測で返された結果クラスに設定されたしきい値を確認します。[クラス] ページが表示されます。 [ 推定精度 ] と [推定カバー範囲 ] の値を確認します。対応するしきい値が結果の予測の信頼度を超えている場合、これが予測が表示されなかった根本原因です。 クラスの精度とカバレッジの値を調整して、カバー範囲または精度を上げます。「トレーニング済みの分類ソリューションの調整」を参照してください。

インスタンスのクローン

問題	解決策または提案されたアクション
インスタンスがクローンされると、既存のソリューションの予測は失敗します。	[ml_artifacts] テーブル内の ML ソリューションアーティファクトは、[sys_attachment table] に格納されます。クローンの実行時に [ml_artifacts] テーブルが含まれていない場合、予測は失敗します。機械学習アーティファクトはソリューションの 予測インテリジェンス 重要なコンポーネントであるため、クローンにこれらが含まれていることを確認してください。
インスタンスがクローンされると、ソリューショントレーニングは失敗します。	クローン作成の実行が進むにつれて、sharedservice.worker ユーザーが非アクティブ化されているか、ロックアウトされているか、ユーザー ID が設定されていない可能性があります。これらの問題を解決して、ソリューションのトレーニングを成功させます。