Table of Contents
14.1. 学習データの数の修正 #
AI学習のデフォルト設定では、アップロードしたデータの9割を学習用に、残りの1割をAIモデルの予測精度を評価するための検証用のデータとして使用するように設定されています（学習用データの数が、Size of training dataの欄に表示されています）。
仮に、アップロードしたデータの数が30の場合、学習データの数が27となり、検証用データの数が３つしかなくなってしまいます。そのような場合、たまたまその3つの検証用データに適合したAIモデルが、性能の良いAIモデルであるかのように評価されてしまう可能性があります。
そこで、少なくとも検証用のデータを5つ程度残すように、Size of training dataの数値を変更し（30データの場合、5データを検証用として残し、Size of training dataに25を入力）、保存をクリックし、「オートチューニングで学習」を実行頂くと、設定した学習データ数と検証データ数によって、ハイパーパラメータのチューニングが行われます。
14.2. アンサンブル解析 #
AI予測、要因分析、最適化では、AI学習で作られた複数のAIモデルを組合わせ、その平均値を用いるアンサンブル解析が可能です。特にデータの数が少ない場合、アンサンブル解析を用いることで、予測精度が向上する可能性があります。
AI学習において、オートチューニングを実行すると、AIモデルが10個生成されますので、10個のAIの中で誤差の小さいAIを 3つ程度 選択してアンサンブル解析することをお勧めします。
AI予測のテストデータファイルを用いることにより、AIモデルの組合わせの予測精度を確認しながら、最適なAIモデルの組合わせを探すことができます。
