分類または回帰ソリューションのための XGBoost の構成

XGBoost エンコードを適用して、分類または回帰ソリューションのトレーニングを最適化します。

始める前に

注:

ML ソリューションの詳細設定の構成はオプションです。これらの設定のいずれかを構成する場合は、ソリューションで有効にするテクノロジについて十分な情報が得られていること、およびテクノロジが提供するものからメリットを得るユース ケースがあることを確認してください。

• 分類ソリューション定義を作成するか、既存のものを使用します。
• 回帰ソリューション定義を作成するか、既存の定義を使用します。
• 必要なロール：admin または ml_admin

このタスクについて

XGBoost は、複数のデシジョン ツリーを使用し、段落ベクトルベースのテキストと TF-IDF 距離ベースのテキストの両方をサポートするオプションのグラデーション ブースティング フレームワークです。LogR は、既定の距離ベースのモデル アルゴリズムです。

このシナリオ例では、XGBoost を分類ソリューションと回帰ソリューションの両方に適用します。

手順

1. 移動先 すべて > 予測インテリジェンス > 分類 > ソリューション定義.
2. 分類ソリューション定義フォームを開きます。
3. フォームの [関連リンク] セクションにある [ソリューションの詳細設定] タブで、[ 新規] をクリックします。

   

4. パラメーターレコードを作成します。
   1. [ソリューションパラメーター] フィールドで、検索アイコンをクリックします。
   2. [ML Solution Parameters] 画面にて、[ Use XGBoost algo for classification model training] を選択します。

   

5. [送信] をクリックします。
   [詳細ソリューション設定] レコード画面が更新されます。

   

6. [送信] をクリックします。

   結果： XGBoost が分類ソリューションに合わせて構成されています。そのソリューションパラメーターは、分類定義フォームの [ソリューション詳細設定] タブに表示されます。

   

   注:

   回帰ソリューションで XGBoost を構成する場合は、以下の手順に従ってください。
7. 移動先 予測インテリジェンス > 回帰 > ソリューション定義.
8. この 2 番目のシナリオでは、回帰ソリューション定義フォームを開きます。
9. 前の分類ソリューションの例の手順 1 から 5 を繰り返しますが、今回は回帰ソリューションを使用します。
10. [送信] をクリックします。

    結果 :

    XGBoost が回帰ソリューション用に構成されます。そのソリューションパラメーターは、回帰ソリューション定義フォームの [ソリューション詳細設定] タブに表示されます。

関連タスク

• 分類ソリューションの作成とトレーニング
• 回帰ソリューションの作成とトレーニング