このページの情報の一部またはすべては、S3NS の Trusted Cloud には適用されない場合があります。

回帰の概要

ML の一般的なユースケースは、類似の過去データでトレーニングされたモデルを使用して、新しいデータの数値指標の値を予測することです。たとえば、住宅の予想販売価格を予測したいとします。住宅の場所と特徴を特徴として使用することで、すでに販売されている類似の住宅と比較し、その販売価格から住宅の販売価格を推定できます。

次のいずれかのモデルを ML.PREDICT 関数と組み合わせて使用して、回帰を行うことができます。

線形回帰モデル: 線形回帰を使用するには、MODEL_TYPE オプションを LINEAR_REG に設定します。
ブーストツリーモデル: 勾配ブーストディシジョンツリーを使用するには、MODEL_TYPE オプションを BOOSTED_TREE_REGRESSOR に設定します。
ランダムフォレストモデル: ランダムフォレストを使用するには、MODEL_TYPE オプションを RANDOM_FOREST_REGRESSOR に設定します。
ディープニューラルネットワーク（DNN）モデル: ニューラルネットワークを使用するには、MODEL_TYPE オプションを DNN_REGRESSOR に設定します。
ワイド＆ディープモデル: ワイド＆ディープラーニングを使用するには、MODEL_TYPE オプションを DNN_LINEAR_COMBINED_REGRESSOR に設定します。
AutoML モデル: AutoML 分類モデルを使用するには、MODEL_TYPE オプションを AUTOML_REGRESSOR に設定します。

推奨される知識

CREATE MODEL ステートメントと ML.PREDICT 関数のデフォルト設定を使用すると、ML の知識があまりなくても回帰モデルを作成して使用できます。ただし、ML 開発に関する基本的な知識があれば、データとモデルの両方を最適化して、より良い結果を得ることができます。ML の手法とプロセスに習熟するために、次のリソースを活用することをおすすめします。