【Alteryxアイコン200連発】サンプル作成ツール（Create Samples Tools）

2018年8月27日 2023年12月22日 3分29秒

Alteryxツールアイコン「サンプル作成ツール」（Create Samples Tools）をご紹介します

［準備］カテゴリの［サンプル作成］ツールを紹介します。

このツールは乱数を用いて無作為抽出し、３つに分割して出力します。基本的にはこのツールは予測モデル作成時に使用されます。

予測モデルを作成する場合に予測モデルを作成したデータで検証すると、評価が正しくできません。簡単な計算式で考えてみます。

1□1□3＝3

□を四則演算を埋めて式が成り立つようにします。

式①：1÷1×3＝3

式②：1×1×3＝3

上記2つの式が考えれます。この四則演算が予測モデルです。

「1　1　3　3」というのが作成用の推定サンプルデータです。

では式①②のいずれが正しい式なのかを評価しようとすると、同じ「1　1　3　3」というデータを用いると判断ができません。

ここで「2　2　3　3」という評価用の検証サンプルデータが与えられたとして、式①②に代入してみます。

式①：2÷2×3＝3

式②：2×2×3≠3

上の通り、式②は成り立たなくなりました。予測モデルとして正しいのは式①だと判断できます。

この様に予測モデルを作成する場合には、モデル作成用とモデル検証用のデータが必要となります。

・推定/検証サンプルのパーセント

推定用、検証用それぞれのパーセントを指定します。合計が100以下になるように設定しなければなりません。残りは保留サンプルとなります。

乱数を発生させる為に必要な設定です。ランダムシードの値を変えると、乱数の値が代わります。ランダムシ－ドの設定範囲は「0から1000」となります。

コンピュータの世界で使われる乱数は完全な乱数ではありません。ある数式に基づき発生させた擬似的な乱数になります。初期に与える値が同一の場合は、同じ乱数表が生成されます。この初期値をランダムシードといいます。

予測モデルを作成する場合、推定用と検証用のデータに偏りがあっては良い予測モデルは作成できません。データの偏りをなくす為には無作為にデータ抽出を行う必要があります。そこで乱数を用いることで無作為抽出を行います。

このツールでは３つの出力があります。

出力	説明
E（Estimation）	「推定用サンプルのパーセント」で割り当てられたレコード
V（Validation）	「検証用サンプルのパーセント」で割り当てられたレコード
H（Hold Out）	上記以外のレコード、保留サンプル