予測モデルの作成

機械学習を使用する状況

企業に過去の意思決定の大量のデータがある場合、データ・サイエンティストはこのデータを使用して機械学習モデルを作成できます。 その後、このモデルは、このデータに基づいて新しい意思決定の結果を予測できます。 予測の精度は、データ・セットのサイズと範囲によって異なります。

意思決定モデルを設計して実装したら、意思決定を記述するルールと、予測を行う機械学習を組み合わせることによって、それを強化できます。

意思決定モデルでの機械学習の使用方法

データサイエンティストは、 Watson Machine Learning などの機械学習プラットフォーム上で機械学習モデルを展開する。 次に、デシジョンサービスから、モデルのデプロイメントを含む機械学習プロバイダーへのアクセスを構成する必要がある。 これらのプロバイダーは Decision Designer で使用可能になり、これらのプロバイダーから意思決定サービスに配布またはシリアライズされたモデルをインポートできます。

また、データ・サイエンティストは、プラットフォームを事前に構成することなく Decision Designer にインポートできる透過的な機械学習モデルを提供することもできます。

機械学習モデルをインポートすると、機械学習モデルを起動するためのすべての要素を含む予測モデル・テンプレートが生成されます。 予測モデルが機械学習モデルを利用できるように、このテンプレートを完成させる。

最後に、予測モデルを意思決定モデルの意思決定ノードにカプセル化します。 意思決定モデルが実行されると、機械学習モデルは、それが含まれている意思決定ノードの入力に基づいて予測を計算します。

例えば、顧客のローン要求を承認するかどうかを決定する決定モデルを考えてみよう。 あなたは、過去のローンのデータベースに基づいて、顧客がローンを返済する可能性を予測する機械学習モデルを持っている。 この予測を意思決定モデルで使用するには、まず機械学習モデルを予測モデルにカプセル化する。 そして、この予測モデルを意思決定ロジックに統合することができる。