Platform For AI:リニアモデル機能の重要性

制限事項

MaxComputeのコンピューティングリソースのみに基づいて、線形モデル機能の重要性コンポーネントを使用できます。

コンポーネントの設定

次のいずれかの方法を使用してコンポーネントを設定できます。

方法1: Platform for AI (PAI) コンソールでコンポーネントを構成する

方法2: PAIコマンドを使用する

PAI -name regression_feature_importance -project algo_public
    -DmodelName=xlab_m_logisticregressi_20317_v0
    -DoutputTableName=pai_temp_2252_20321_1
    -DlabelColName=y
    -DfeatureColNames=pdays,previous,emp_var_rate,cons_price_idx,cons_conf_idx,euribor3m,nr_employed,age,campaign
    -DenableSparse=false -DinputTableName=pai_dense_10_9;

例：

1. bank_dataという名前のテーブルを作成し、テーブルにデータをインポートします。 詳細については、「テーブルの作成」および「テーブルへのデータのインポート」をご参照ください。

2. 次のSQL文を実行してトレーニングデータを生成します。

   存在しない場合にテーブルを作成する

   create table if not exists pai_dense_10_9 as
   select
       age,campaign,pdays, previous, emp_var_rate, cons_price_idx, cons_conf_idx, euribor3m, nr_employed, fixed_deposit
   from  bank_data limit 10;

3. 次の図に示すパイプラインを作成し、コンポーネントを実行します。 詳細については、「アルゴリズムモデリング」をご参照ください。

   1. Machine Learning Designerの左側のコンポーネントリストで、Read Table、Logistic Regression for Multiclass Classification、およびLinear Model Feature Importanceコンポーネントを個別に検索し、コンポーネントを右側のキャンバスにドラッグします。

   2. ラインを描画してノードを接続し、前の図に基づいてアップストリームとダウンストリームの関係を含むパイプラインにノードを編成します。

   3. コンポーネントパラメーターを設定します。

      • キャンバスで、[Read Table-1] コンポーネントをクリックします。 右側のウィンドウの [テーブルの選択] タブで、[テーブル名] をbank_dataに設定します。

      • キャンバスで、[マルチクラス分類のロジスティック回帰-1] コンポーネントをクリックします。 [フィールド設定] タブで、[トレーニング機能列] パラメーターに、年齢、キャンペーン、pdays、previous、emp_var_rate、cons_price_idx、cons_conf_idx、euribor3m、およびnr_installedを選択します。 ターゲット列パラメーターをfixed_depositに設定します。 残りのパラメーターのデフォルト値を保持します。

      • キャンバスで、Linear Model Feature Importance-1コンポーネントをクリックします。 [フィールドの設定] タブで、[対象列] パラメーターをfixed_depositに設定します。 残りのパラメーターのデフォルト値を保持します。

   4. パラメーターの設定が完了したら、ボタンをクリックしてパイプラインを実行します。

4. パイプラインの実行後、[Linear Model Feature Importance-1] コンポーネントを右クリックし、[View Data] > [Model Importance Table] を選択します。

   次の表に、メトリックの計算式を示します。

   列名	計算式
   重み	abs(w_)
   重要度	abs(w_j) * STD(f_i) 説明 abs(w_j) は、特徴係数の絶対値を示す。 STD(f_i) は、トレーニングデータの標準偏差を示す。

5. [Linear Model Feature Importance-1] コンポーネントを右クリックし、[分析レポートの表示] を選択して、視覚化されたデータ分析用のレポートを表示します。