> ## Documentation Index
> Fetch the complete documentation index at: https://docs.exploratory.io/llms.txt
> Use this file to discover all available pages before exploring further.

# アナリティクス・ビューで作ったモデルで予測する

> アナリティクス・ビューで作ったモデルを使って新しいデータフレームの値を予測し、予測精度を評価します。

アナリティクス・ビューで作ったモデルを使うと、新しいデータフレームに対して予測し、その予測精度を評価できます。

予測できる値は、モデルに応じて次の 4 種類です。

* 数値
* 論理値（TRUE/FALSE）
* カテゴリ
* 生存確率（[生存確率を予測する手順](https://exploratory.io/note/exploratory/qIr9Hfa5)は別のノートにまとまっています）

## 使い方

どの種類の値を予測する場合も、操作は共通です。予測したい新しいデータフレームを開き、ステップメニューから「モデルで予測（アナリティクス・ビュー）」を選びます。

![](https://mintcdn.com/exploratory-inc/joTVG2GqfAeA7Adb/ja/analytics/images/ja/prediction-01.png?fit=max\&auto=format\&n=joTVG2GqfAeA7Adb\&q=85\&s=7510b4154cfded988ee618015b046eab)

予測のダイアログが表示されます。

![](https://mintcdn.com/exploratory-inc/joTVG2GqfAeA7Adb/ja/analytics/images/ja/prediction-02.png?fit=max\&auto=format\&n=joTVG2GqfAeA7Adb\&q=85\&s=13e03ffff7657712cdd3afaa7eef3aaa)

### 数値・カテゴリを予測する

ダイアログで、予測モデルを作ったデータフレームと、アナリティクス名（アナリティクス・ビューで作ったモデルのタブ名）を選び、実行します。

![](https://mintcdn.com/exploratory-inc/joTVG2GqfAeA7Adb/ja/analytics/images/ja/prediction-03.png?fit=max\&auto=format\&n=joTVG2GqfAeA7Adb\&q=85\&s=f537db6ee8c05007de789532bdf20c12)

予測する対象に応じた結果が返ります。

![](https://mintcdn.com/exploratory-inc/joTVG2GqfAeA7Adb/ja/analytics/images/ja/prediction-04.png?fit=max\&auto=format\&n=joTVG2GqfAeA7Adb\&q=85\&s=6a56f2d075e24c68013964f322a0ad25)

* 数値型の場合は、数値型の予測値と関連する指標が、データフレームに追加されます。

  ![](https://mintcdn.com/exploratory-inc/joTVG2GqfAeA7Adb/ja/analytics/images/ja/prediction-05.png?fit=max\&auto=format\&n=joTVG2GqfAeA7Adb\&q=85\&s=c8b8de0cef4e5594ec27604f3261f290)

* カテゴリ型の場合は、予測されたカテゴリ、そのカテゴリである予想確率、すべてのカテゴリの予測確率が、データフレームに追加されます。

  ![](https://mintcdn.com/exploratory-inc/joTVG2GqfAeA7Adb/ja/analytics/images/ja/prediction-06.png?fit=max\&auto=format\&n=joTVG2GqfAeA7Adb\&q=85\&s=ad706e7de95cb8069706d75415fad7e0)

### 論理値（TRUE/FALSE）を予測する

ダイアログで、予測モデルを作ったデータフレームと、アナリティクス名を選びます。

![](https://mintcdn.com/exploratory-inc/joTVG2GqfAeA7Adb/ja/analytics/images/ja/prediction-07.png?fit=max\&auto=format\&n=joTVG2GqfAeA7Adb\&q=85\&s=a00791bc287396bad77e30414bc65da7)

論理値を予測するモデルを選ぶと、「TRUE/FALSEの境界値」というオプションが表示されます。

![](https://mintcdn.com/exploratory-inc/joTVG2GqfAeA7Adb/ja/analytics/images/ja/prediction-08.png?fit=max\&auto=format\&n=joTVG2GqfAeA7Adb\&q=85\&s=5a90f36802f1994fa77f3f94e300e3a4)

論理値を予測するモデルは、論理値そのものではなく、TRUE になる確率を予測しています。そのため、TRUE と返すときの境界値（しきい値）を自分で設定できます。初期値は 0.5（50%）で、0 から 1 の間で自由に設定できます。

## 元のデータの全列に予測値を付ける

アナリティクス・ビューで作った予測モデルは、アナリティクス・ビューのチャートで確認できます。

![](https://mintcdn.com/exploratory-inc/joTVG2GqfAeA7Adb/ja/analytics/images/ja/prediction-23.png?fit=max\&auto=format\&n=joTVG2GqfAeA7Adb\&q=85\&s=959169bdc78de3acd6fcdcd9945ee5f6)

アナリティクス・ビューの「トレーニングデータに対する予測」の表には、モデルに使った列と予測結果が表示されます。モデルに使わなかった元の列も残すには、元のデータのブランチに予測ステップを追加します。

![](https://mintcdn.com/exploratory-inc/joTVG2GqfAeA7Adb/ja/analytics/images/ja/prediction-24.png?fit=max\&auto=format\&n=joTVG2GqfAeA7Adb\&q=85\&s=b740d5f1888e3037b6f5fb1eb907ebcf)

元のデータの全列を残したまま、各行に予測値を付けるには、次の手順にします。元のデータフレームのブランチを作って、別のデータフレームを用意します。そのデータフレームのステップから、アナリティクス・ビューで作ったモデルを指定して予測します。

この例（従業員データの線形回帰）では、ブランチの予測ステップを実行すると、元の 26 列に 4 列が加わって 30 列になります。テーブルビューの右側に predicted\_value、standard\_error、conf\_low などの予測の列が並び、元の列はそのまま残ります。

![](https://mintcdn.com/exploratory-inc/joTVG2GqfAeA7Adb/ja/analytics/images/ja/prediction-22.png?fit=max\&auto=format\&n=joTVG2GqfAeA7Adb\&q=85\&s=1f839e4db061d2dd4e9cf39c1d575553)

## 新しいデータに対する予測精度を評価する

新しいデータに対する予測結果について、答え（実測値）の列がある場合は、予測精度を評価できます。

### 数値の場合

ステップメニューから「モデルを構築・評価」、「予測精度の評価」、「回帰 - 指標」を選びます。

![](https://mintcdn.com/exploratory-inc/joTVG2GqfAeA7Adb/ja/analytics/images/ja/prediction-09.png?fit=max\&auto=format\&n=joTVG2GqfAeA7Adb\&q=85\&s=62323e6dbe0e4e7f6ed2a906f8588502)

ダイアログの「予測された値の列」に predicted\_value を、「実際の値の列」に実際の数値の列（この例では「給料」）を選び、実行します。

![](https://mintcdn.com/exploratory-inc/joTVG2GqfAeA7Adb/ja/analytics/images/ja/prediction-10.png?fit=max\&auto=format\&n=joTVG2GqfAeA7Adb\&q=85\&s=2b5a282067acba7c0a117b9022eaff7d)

数値の予測精度を評価する指標が計算されます。

![](https://mintcdn.com/exploratory-inc/joTVG2GqfAeA7Adb/ja/analytics/images/ja/prediction-11.png?fit=max\&auto=format\&n=joTVG2GqfAeA7Adb\&q=85\&s=06592cbb92ce0f21393e4932de58ed2b)

### 論理値の場合

ステップメニューから「モデルを構築・評価」、「予測精度の評価」を選び、「二項分類 - 指標」または「二項分類 - ROC」を選びます。

![](https://mintcdn.com/exploratory-inc/joTVG2GqfAeA7Adb/ja/analytics/images/ja/prediction-12.png?fit=max\&auto=format\&n=joTVG2GqfAeA7Adb\&q=85\&s=dfdfa5668e90308e34f205a04bf0e6ac)

**二項分類 - 指標**

次のダイアログが表示されます。

![](https://mintcdn.com/exploratory-inc/joTVG2GqfAeA7Adb/ja/analytics/images/ja/prediction-13.png?fit=max\&auto=format\&n=joTVG2GqfAeA7Adb\&q=85\&s=d12a58deb7975118f60bba1a7486c2c3)

「予測された確率の列」に predicted\_probability を、実際の値の列に実際の論理値の列を選びます。

![](https://mintcdn.com/exploratory-inc/joTVG2GqfAeA7Adb/ja/analytics/images/ja/prediction-14.png?fit=max\&auto=format\&n=joTVG2GqfAeA7Adb\&q=85\&s=45375ca6f9c4883c3784e6366e200354)

二項分類のモデルは、評価指標が TRUE/FALSE を決める境界値（しきい値）によって変わるため、境界値を手動で入力するか、最適化する指標を選べます。

![](https://mintcdn.com/exploratory-inc/joTVG2GqfAeA7Adb/ja/analytics/images/ja/prediction-15.png?fit=max\&auto=format\&n=joTVG2GqfAeA7Adb\&q=85\&s=4b0f1659d05d460ba559c562a44cd3d9)

設定して実行すると、論理値の予測精度を評価する指標が計算されます。

![](https://mintcdn.com/exploratory-inc/joTVG2GqfAeA7Adb/ja/analytics/images/ja/prediction-16.png?fit=max\&auto=format\&n=joTVG2GqfAeA7Adb\&q=85\&s=1a66600623b3d8ae4a22332b4c8503b4)

**二項分類 - ROC**

次のダイアログが表示されます。「予測された確率の列」に predicted\_probability を、実際の値の列に実際の論理値の列を選びます。

![](https://mintcdn.com/exploratory-inc/joTVG2GqfAeA7Adb/ja/analytics/images/ja/prediction-17.png?fit=max\&auto=format\&n=joTVG2GqfAeA7Adb\&q=85\&s=45d896946bf3a471057ebf116b24310f)

論理値を予測するモデルの精度を評価する、ROC 曲線が計算されます。

![](https://mintcdn.com/exploratory-inc/joTVG2GqfAeA7Adb/ja/analytics/images/ja/prediction-18.png?fit=max\&auto=format\&n=joTVG2GqfAeA7Adb\&q=85\&s=aa50ed74cad63a4f2cfae4c4d1fcb17a)

### カテゴリの場合

ステップメニューから「モデルを構築・評価」、「予測精度の評価」、「多クラス分類 - 指標」を選びます。

![](https://mintcdn.com/exploratory-inc/joTVG2GqfAeA7Adb/ja/analytics/images/ja/prediction-19.png?fit=max\&auto=format\&n=joTVG2GqfAeA7Adb\&q=85\&s=70febe882651d489a914ebf7ae946c80)

ダイアログの「予測されたラベル列」に predicted\_label を、実際の値の列に実際のカテゴリの列を選び、実行します。

![](https://mintcdn.com/exploratory-inc/joTVG2GqfAeA7Adb/ja/analytics/images/ja/prediction-20.png?fit=max\&auto=format\&n=joTVG2GqfAeA7Adb\&q=85\&s=6a972f024cbb10574dc699c394ed1564)

カテゴリの予測精度を評価する指標が計算されます。

![](https://mintcdn.com/exploratory-inc/joTVG2GqfAeA7Adb/ja/analytics/images/ja/prediction-21.png?fit=max\&auto=format\&n=joTVG2GqfAeA7Adb\&q=85\&s=8ba8caa448520b4d50385492d81d459a)


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.