スコアカード予測は、スコアカードモデルを新しいデータに適用して、将来のパフォーマンスやリスクを予測する機械学習の手法です。このモデルは通常、スコアカードトレーニングコンポーネントによって生成されます。スコアカード予測コンポーネントは、このモデルを使用して入力データを評価およびスコアリングし、意思決定やリスク管理を支援します。
コンポーネントの設定
方法1：UI の使用
Designer で、スコアカード予測コンポーネントをパイプラインに追加し、右側のペインでそのパラメーターを設定します。
|
タブ |
パラメーター |
説明 |
|
フィールド設定 |
特徴列 |
予測に使用する元の特徴列を選択します。デフォルトでは、すべての列が選択されます。 |
|
予約列 |
ID 列やラベル列など、処理せず予測結果テーブルに追加する列を選択します。 |
|
|
変数スコアの出力 |
各特徴変数のスコアを出力するかどうかを指定します。最終的な予測スコアは、切片項のスコアとすべての変数スコアの合計です。 |
|
|
チューニング |
コア数 |
使用する CPU コアの数。デフォルトでは、システムが自動的に値を割り当てます。 |
|
コアあたりのメモリ |
各 CPU コアに割り当てられるメモリ。デフォルトでは、システムが自動的に値を割り当てます。 |
方法2：PAI コマンドの使用
PAI コマンドを使用して、スコアカード予測コンポーネントのパラメーターを設定します。PAI コマンドは、SQL スクリプトコンポーネントで実行できます。詳細については、「SQL スクリプト」をご参照ください。
pai -name=lm_predict
-project=algo_public
-DinputFeatureTableName=input_data_table
-DinputModelTableName=input_model_table
-DmetaColNames=sample_key,label
-DfeatureColNames=fea1,fea2
-DoutputTableName=output_score_table|
パラメーター |
必須 |
デフォルト値 |
説明 |
|
inputFeatureTableName |
はい |
なし |
入力特徴テーブル。 |
|
inputFeatureTablePartitions |
いいえ |
テーブル全体 |
入力特徴テーブルから使用するパーティション。 |
|
inputModelTableName |
はい |
なし |
入力モデルテーブル。 |
|
featureColNames |
いいえ |
すべての列 |
入力テーブルから使用する特徴列。 |
|
metaColNames |
いいえ |
なし |
ラベルや sample_id など、処理されずに出力テーブルに渡される列。 |
|
outputFeatureScore |
いいえ |
false |
予測結果に変数スコアを出力するかどうかを指定します。有効な値：
|
|
outputTableName |
はい |
なし |
予測結果の出力テーブル。 |
|
lifecycle |
いいえ |
なし |
出力テーブルのライフサイクル。 |
|
coreNum |
いいえ |
自動決定 |
コア数。 |
|
memSizePerCore |
いいえ |
自動決定 |
コアあたりのメモリサイズ (MB)。 |
出力
以下は、スコアカード予測コンポーネントからの出力例です。スコアリング後、出力テーブルには、churn (値が 0 または 1) などの元のラベル列と予測列が含まれます。churn 列は、出力に渡される予約列であり、予測結果の一部ではありません。次の表に、予測列について説明します。
|
名前 |
タイプ |
説明 |
|
prediction_score |
DOUBLE |
予測スコア。線形モデルの場合、これは各特徴値に対応するモデルの重みを掛けたものの合計です。スコアカードモデルでは、スコア変換が実行された場合、この列には変換後のスコアが含まれます。 |
|
prediction_prob |
DOUBLE |
二項分類の場合、これは正のクラスの予測確率です。この値は、スコア変換が行われる前に、元のスコアにシグモイド変換を適用して計算されます。 |
|
prediction_detail |
STRING |
各クラスの予測確率を含む JSON 文字列。文字列では、0 は負のクラスを表し、1 は正のクラスを表します。例：{"0":0.1813110520,"1":0.8186889480}。 |