Machine Learning入門
Machine Learningは、過去のデータから主要な特性、パターン、異常を抽出し、予測モデルを作成します。 これらのモデルには、データから得られる洞察が含まれており、それを行動やビジネス上の意思決定に反映させることができる。 御社の過去のデータには、ビジネス上の意思決定を改善するための情報が含まれています。
Machine LearningモデルをOperational Decision Manager意思決定サービスに統合することで、過去のデータからの予測的洞察と、会社のポリシーに基づく処方的ビジネス意思決定を適用できます。
Machine Learningモデルは、IBM Watson Machine Learningで構築されています、IBM watsonx.aiの一部である。 Watson Machine Learning は、Machine Learning モデルの構築、トレーニング、およびデプロイのためのあらゆるツールを提供します。 ニーズに合った自動化または自律化レベルのツールを選ぶことができる。
Watson Machine Learning は以下のツールを提供している：
- 構造化データを自動的に処理してモデル候補パイプラインを生成するための AutoAI Experiment Builder。 最適なパフォーマンスを示すパイプラインを機械学習モデルとして保存し、スコアリングのためにデプロイすることができます。
- デプロイメントスペースは、モデルのデプロイメントを表示し、管理するためのツールを提供します。
- モデル・デプロイメントを表示および管理するためのツール
詳細はWatson Machine Learningの場合 IBMの場合 watsonxの場合を参照。
セットアップと使用方法
以下のセクションでは、Machine Learningのセットアップと使い方について説明します。
| アクティビティー | 説明 | 情報 |
|---|---|---|
| 適用中 | この例では、Machine Learningモデルを決定サービスに追加するプロセスを説明します。 Miniloan sample decision serviceとMachine Learning住宅ローン承認予測モデルを使用します。 | Machine Learning モデルの適用 |
| 構成 | 必要なMachine Learningサービス設定のml.propertiesファイルを作成し、XOMリソースとして設定します。 このアプローチは、RuleApp,ごとにエンドポイントを定義できるという利点を提供し、Machine Learning 構成の管理におけるカスタマイズ性と柔軟性を高めます。 Rule Designer、Rule Execution Serverコンソール、またはREST APIを使用して実行できます。 | XOMリソースとしてMachine Learning設定ファイルを追加する |
| 更新 | 入出力フィールドを変更するために、デプロイメントIDを更新したり、更新されたYAMLファイルのJSONを提供することができます。 | 更新中 Machine Learning参考文献 |
| 削除中 | 不要になった Machine Learning 機能拡張は削除できます。 | Machine Learning参照の削除 |
| 戻りコード | 電話をかけると、 Machine Learning 呼び出しを行うと、 Operational Decision Manager、出力値と整数のリターンコードが返されます。 | Machine Learning リターンコード |
| モデルのエクスポート | Machine Learningからモデルをエクスポートするプロセスを実行する代わりに、スクリプトを使用することができます。 | エクスポートするスクリプト Machine Learningモデルが返すコード |