よくあるご質問

私たちのプラットフォームは、自然言語処理から予測まで、幅広いアプリケーションに対応するために洗練された予測モデルの配列を使用しています。ここでは、私たちが利用するモデルの種類を分解して紹介します：

1. 大規模言語モデル（LLMsまたは生成AI）：
デフォルトでは、私たちのシステムはAzureを利用し、ChatGPT 4を大規模言語モデルとして使用しています。ユーザーの好みや特定のプロジェクト要件に応じて、LLama2、OpenAI、MistralなどのさまざまなLLMに切り替える柔軟性を提供します。私たちのプラットフォームは、ほぼすべてのLLMと統合できるように設計されており、さまざまなタスクに対する多様性と適応性を保証します。要求されたLLMが直接サポートされていない場合は、ユーザーのニーズを満たすために互換性と接続性を確立する手順を講じます。

2. 分類、回帰、および自動ソリューションのためのモデル：
私たちの分類および回帰タスクへのアプローチは、線形、決定木、ランダムフォレスト、エクストラツリー、LightGBM、Xgboost、CatBoost、ニューラルネットワーク、最近傍法など、幅広いモデルを取り入れています。この多様なツールキットにより、さまざまな課題に効果的に取り組むことができます。
さらに、私たちのシステムは自動ソリューションのための適応選択メカニズムを備えており、文脈と望ましいトレーニング品質に基づいて最も適切なモデルを動的に選択します。これにより、私たちが展開するモデルは、単純な分類から複雑な予測分析まで、各タスクの特定の要件に合わせて調整されます。

精度やパフォーマンスが求められるシナリオでは、私たちのプラットフォームは単一のモデルに依存しません。代わりに、異なるタイプと構成の複数のモデルを生成し、それらのパフォーマンスに基づいてランク付けし、最もパフォーマンスの良いモデルのアンサンブルを作成します。このアンサンブルアプローチにより、私たちの予測の精度が大幅に向上し、ユーザーからの複雑な入力を必要とせずに優れた結果を提供できるようになります。

3. 予測のためのモデル：
予測問題に対して、私たちのツールキットにはArima、Sarima、Prophet、ベイズモデルなどのモデルが含まれています。これらは、さまざまな領域における将来のトレンドやパターンを予測する際の実績と効果に基づいて選択されています。

この包括的で適応的な予測モデルの使用を通じて、私たちのプラットフォームは、ユーザーが特定のニーズに合わせた最先端のAI技術にアクセスできることを保証し、正確で実用的な洞察を得るための道を簡素化します。

基本的には、ユーザーデータセット（これが真実のソースです）を2つの小さなセットに分けます。
それは以下のものです。 トレーニングセット （一般的に元のデータセットの80％）と テストセット (20%).

私たちは、良い精度を得るために機械学習アルゴリズムをトレーニングします。 トレーニングセット.
私が言う訓練とは、予測の誤差を減らすことを意味します。一般的に言えば、最初に私たちは基本的にランダムな応答を返すランダムモデルを持っており、その後トレーニングセットに対して予測を求めます。モデルは私たちに答えを返します（初めはランダムです）。その後、モデルが期待した通りの回答をするように必要な調整を全てバックプロパゲートします（真実を知っているからです）。その後、トレーニングフェーズの他の行に進み続けます。
実際、このプロセスは何度も行われます。

モデルがトレーニングされ、トレーニングセットで良い精度を持った後、私たちはテストセット（モデルにとって未見のデータ）に対して予測を行い、その後、私たちのモデルが未見のデータをどれだけ良く予測できるかを評価します。これは一般化です。
このテスト精度は、ユーザーに示すものです（もちろん、モデルはトレーニングセットで良好な精度を持つでしょう）。