インターシステムズ製品での PMML モデルの使用

サポートされているモデル

InterSystems IRIS は PMML 4.1Opens in a new tab、4.2Opens in a new tab、4.3Opens in a new tab、4.4Opens in a new tab および以下の PMML モデルをサポートします。

• Naive Bayes モデル (https://dmg.org/pmml/v4-4-1/NaiveBayes.htmlOpens in a new tab)

• 回帰モデル (https://dmg.org/pmml/v4-4-1/Regression.htmlOpens in a new tab)

• プロビット・リンク関数およびコントラスト行列を除く一般回帰モデル (https://dmg.org/pmml/v4-4-1/GeneralRegression.htmlOpens in a new tab)

• 入れ子モデルを除くツリー・モデル (https://dmg.org/pmml/v4-4-1/TreeModel.htmlOpens in a new tab)

• 基本的なサポートであるテキスト・モデル (https://dmg.org/pmml/v4-4-1/Text.htmlOpens in a new tab)

• サポート・ベクター・マシン (SVM) モデル (https://dmg.org/pmml/v4-4-1/SupportVectorMachine.htmlOpens in a new tab)

• クラスタリング・モデル (https://dmg.org/pmml/v4-4-1/ClusteringModel.htmlOpens in a new tab)

• RuleSet モデル (https://dmg.org/pmml/v4-4-1/RuleSet.htmlOpens in a new tab)

• ニューラル・ネットワーク・モデル (https://dmg.org/pmml/v4-4-1/NeuralNetwork.htmlOpens in a new tab)

InterSystems IRIS は <MiningModel> 要素もサポートします。これは、“モデルのセグメンテーション” (予測のバランスを向上させるために複数のモデルの出力を結合するプロセス) を提供します。https://dmg.org/pmml/v4-4-1/MultipleModels.htmlOpens in a new tab を参照してください。InterSystems IRIS は “モデル構造” の手法をサポートしません。この手法は非推奨となっています。

あやめサンプル

このページでは Samples-Data-Mining サンプル (https://github.com/intersystems/Samples-Data-MiningOpens in a new tab) を使用します。サンプルは、専用のネームスペース (SAMPLES など) を作成して、そのネームスペースにロードすることをお勧めします。一般的な手順は、"InterSystems IRIS で使用するサンプルのダウンロード" を参照してください。

このサンプルには、予測分析に使用される既知のサンプルである Iris データ・セットのコピーが含まれます。Iris データ・セットは、異なる 3 種のあやめ約 50 本における花弁およびがく片測定の測定値を提供します。これらの測定値は、あやめの種を強く予測します。

サンプルの設定後、DataMining.PMML.Iris クラス内で PMML モデルを使用できます。このクラスは、以下のモデルを含む PMML 定義を含みます。

• 花弁およびがく片測定値に基づいて、あやめの種を予測するツリー・モデル

• 花弁幅、花弁測定値および種に基づいて、がく片の長さを予測する一般回帰モデル

サポートされているデータ・ディクショナリ拡張

InterSystems は、<DataDictionary> 要素内で 2 種類の <Extension> 要素をサポートします。

• <X-SQLDataSource> は、SQL クエリに関するデータ・ソースを定義します。この要素は、SQL フィールドから PMML 定義内のデータ・フィールドへのマッピングを定義します。

  使用例は、サンプル・クラスを参照してください。 DataMining.PMML.Iris

• <X-DeepSeeDataSource> は、指定されたキューブのメジャーとディメンジョンから PMML 定義内のデータ・フィールドへのマッピングを定義します。

生成されたクラス

PMML クラス (PackageName.ClassName) をコンパイルすると、システムは以下のクラスを生成します。

• PackageName.ClassName.Data は、モデルを実行するために必要なデータを表します。このクラスは、PMML 定義の <DataDictionary> 要素に対応しています。

• PackageName.ClassName.ModelName は、モデルを表します。

  このクラスはモデルを実行するためのメソッドを提供します。

• PackageName.ClassName.ModelName.Input は、指定されたモデルの入力を表します。

• PackageName.ClassName.ModelName.Output は、指定されたモデルの出力を表します。

InterSystems IRIS は、これらのクラスを使用してモデルを実行します。

サンプル・モデル・テスト・ページ

次のようなページが表示されます (部分的に表示)。

このページを使用する手順は以下のとおりです。

1. [開く] をクリックし、モデル・クラスを選択して、[OK] をクリックします。

2. [モデル] ドロップダウン・リストからモデルをクリックします。

3. [データソース] ドロップダウン・リストからオプションをクリックします。オプションには以下のものがあります。

   • [分析データセット] — モデルが開発されたソース・データを選択します。

   • [キューブ・マッピング] — モデルの <X-DeepSeeDataSource> 要素を選択します (ある場合)。このページで前述した “サポートされているデータ・ディクショナリ拡張” を参照してください。

   • [カスタム・データ・ソース (SQL)] — レコードのセットを提供する SQL クエリを入力できるようにします。

4. [カスタム・データ・ソース (SQL)] を選択した場合、SQL SELECT クエリを [カスタム・データ・ソース] に入力します。

5. [実行] をクリックします。

InterSystems IRIS はレコードの繰り返し処理を行い、結果の概要を表示します。詳細はモデルによって異なります。以下に例を示します。

単一入力レコードのテスト・ページ

単一入力レコードでモデルをテストすることも可能です。そのためには、[テスト] を押します。以下のようなダイアログ・ボックスが表示されます。

[データ・オブジェクト] にリストされているフィールドは、PMML 定義のデータ・フィールドに対応します。

このページを使用するには、[モデル] ドロップダウン・リストからモデルを選択します。このモデルは、どのフィールドが入力フィールドであるか出力フィールドであるかを決定します。入力フィールドに値を入力します。すべての入力値を入力すると、ページに、指定されたモデルの出力フィールドの予測値が表示されます。以下はその例です。

単一入力レコードを持つモデルの実行

単一レコードの予測モデルを実行するには、以下の手順に従います。

1. 生成されたクラス PackageName.ClassName.ModelName のインスタンスを作成します。このクラスは、モデルを実行するために使用できるメソッドを定義します。

2. 生成されたクラス PackageName.ClassName.Data のインスタンスを作成し、そのプロパティを設定します。このインスタンスの目的は、入力値を含めることです。

3. モデル・インスタンスの %ExecuteModel() メソッドを呼び出します。

   Method %ExecuteModel(ByRef pData As %DeepSee.PMML.Data, 
                        Output pOutput As %DeepSee.PMML.ModelOutput) as %Status
   

   

   pData では、ステップ 2 で作成したデータ・オブジェクトを使用します。

   このメソッドは、出力引数として、モデルの出力を含む %DeepSee.PMML.ModelOutputOpens in a new tab のインスタンスを返します。具体的には、これは指定されたモデルの生成されたクラス PackageName.ClassName.ModelName.Output のインスタンスです。

4. 出力の詳細を表示するには、ZWRITE を使用します。pOutput オブジェクトは、モデル定義の Output> 要素内の各 OutputField> に対して 1 つのプロパティを含みます。<Output> 要素がない場合は、pOutput は、予測された MiningField> 要素の後に指定された単一フィールドを含みます。

あるいは、PMML 定義内に <X-DeepSeeDataSource> を指定した場合は、%ExecuteModelDeepSee()を使用します。クラス・リファレンスを参照してください。

入力レコードのバッチを持つモデルの実行

入力レコードのバッチを持つ予測モデルを実行するには、%DeepSee.PMML.UtilsOpens in a new tab の %RunModel()、%RunModelFromResultSet、または %RunModelFromSQL を使用します。これらのメソッドは、予測結果を %DeepSee_PMML_Utils.TempResult テーブルに保存します。

ピボット・テーブルからのモデルの呼び出し

PMML モデルをピボット・テーブル内から呼び出すことができます。そのためには、%KPI 関数を使用する計算メンバを定義して %DeepSee.PlugIn.PMMLOpens in a new tab プラグインを呼び出します。以下の構文を使用します。

%KPI("%DeepSee.PMML",fieldName,series,"PMML",modelClassName,parmName1,parmValue1,parmName2,parmValue2,"%CONTEXT")

以下はその説明です。

• fieldName は、InterSystems IRIS PMML モデル・クラスの出力フィールドの引用符付き名です。

• series は、プラグイン内の系列 (行) のオプションの番号です。1 を指定するか、この引数を省略します。

• modelClassName は、InterSystems IRIS PMML モデル・クラスの引用符付き名です。

• parmName1、parmName2 (以降同様) は、%DeepSee.PlugIn.PMMLOpens in a new tab プラグインのパラメータのオプションの引用符付きの名前です。パラメータ名では大文字と小文字が区別されることに注意してください。%DeepSee.PlugIn.PMMLOpens in a new tab プラグインには、以下のパラメータを指定します。

  • "%cube" — この KPI が実行されるキューブを指定します。

  • "ModelName" — 実行するモデルの名前を指定します。指定する場合、これは指定されたモデル・クラスのモデルである必要があります。空白のままにすると、このクラスの最初のモデルが実行されます。

  • "aggregate" — さまざまなファクトを越えて予測される値を集計する方法を指定します。 使用可能な値は、"average" (既定値)、"sum"、"max"、"min"、"maxFreqValue"、"maxProbValue"、"minFreqValue" および "minProbValue" です。

    各出力フィールドの集計がすべて意味を持つとは限りません。

  • "NullValues" — 結果を集計するときに NULL 予測値を含めるかどうかを指定します。使用可能な値は、"ignore" (既定) または "count" です。

  パラメータをリストする順序は、結果には影響しません。

  16 個までのパラメータとその値を指定できます。

• parmValue1、parmValue2 (以降同様) は、名前付きフィルタの対応値です。

特殊な %CONTEXT パラメータを使用すると、使用しない場合は無視されるクエリのコンテキストがプラグインで考慮されます。詳細は、"InterSystems MDX リファレンス" の %KPI 関数を参照してください。

例えば、以下の構文を使用して、単一モデルのみが含まれている Test.MyModel という名前のPMML モデル・クラスの出力フィールド MyField の平均値を取得します。

%KPI("%DeepSee.PMML", "MyField",,"PMML","Test.MyModel","aggregate","average","%CONTEXT")

Analytics リストに PMML 予測を含める

レコード・レベル予測を詳細リストに含めるには、リスト・クエリに $$$PMML トークンを使用します。このトークンは、PMML 定義クラス名およびモデル名をプライマリ・パラメータとして使用します。オプションの 3 番目の引数として、クエリに含める予測機能の名前を渡すことができます (この引数は既定で "predictedValue" に設定されています)。

以下は、このトークンを使用するリスト・クエリの定義を示しています。

UserID, TotalWagered, PercentLost "Lost %" , $$$PMML[MyPMML.Poker,PercentLost] "Predicted Loss %" 

Analytics キューブへのバッチ結果のエクスポート

入力レコードのバッチを持つ予測モデルを実行した後に、結果をキューブにエクスポートすることができます。このオプションにより、結果を別の方法で視覚化することができます。キューブには、ActualValue と PredictedValue の 2 つのレベルがあります。

結果をキューブにエクスポートするには、PMML テスト・ページを使用して [エクスポート] をクリックします。InterSystems IRIS により、以下の情報が求められます。

• [エクスポート] — [データのみ] または [クラスとデータ]を選択します。

• [結果クラス名] — 結果が書き込まれる永続クラスの名前を指定します。これは、キューブのソース・クラスとして使用されます。

• [ソース・クラスへのリンク] — ソース・レコードを含むクラスを指定します。結果クラスには、このクラスを指す Record という名前のプロパティが含まれています。

• [データを削除] — エクスポートを実行する前に結果クラス ([結果クラス名]) を空にする場合にこれを選択します。新しくエクスポートするデータを結果クラス・テーブルの末尾に追加する場合にはこれをクリアします。

• [キューブ名] — キューブの論理名を指定します。

• [キューブ・クラス名] — キューブのクラス名を指定します。

• [クラスを上書き] — このエクスポートを以前に実行済みで、新しいデータと定義でそれらのクラスを上書きする場合にこれを選択します。

指定されたキューブを作成できる [キューブの作成] ダイアログ・ボックスが表示されます。[ビルド] または [キャンセル] をクリックします。後からアーキテクトを介してこのキューブにアクセスし、そこから作成することもできます。

キューブを作成した後に、アナライザを使用してキューブを調べます。以下に例を示します。ActualValue レベルが行として、PredictedValue レベルが列として使用されます。