説明可能性

説明可能性の結果は、フォーキャスト モデル アルゴリズムのベースとなる特徴量から得られます。これらの特徴量はより正確なフォーキャストを生成するのに役立ちます。説明可能性の結果を見ることで、特定の特徴量がフォーキャスト結果に与える影響の方向と相対的な大きさを把握できます。すべての特徴量が、さまざまなデータ セット、時間軸、アルゴリズム構成にわたって同じようにフォーキャスト結果に影響を与えるわけではありません。

入力データ コレクションから 2 種類の特徴量を生成できます。

• 履歴データ特徴量:データ コレクション内の履歴データについては、季節性とトレンドに基づいてベースとなる特徴量が Forecaster アルゴリズムによって自動的に生成されます。Forecaster に組み込まれている休日カレンダーを選択すると、カレンダーに応じて機能が自動的に生成されます。
• 関連データ特徴量:データ コレクションの一部として関連データを提供する場合、特徴量自体と、時間の経過に伴うそれらの特徴量のラグがアルゴリズムによって選択される可能性があります。例としてプロモーションや在庫などが挙げられます。

ある特徴量が特定のアルゴリズムのパフォーマンスに大きく貢献していると Forecaster が判断した場合、その特徴量は説明可能性結果モジュールの [Forecast Feature Names] リストに自動的に追加されます。

過去の石油価格、電動自転車の価格、プロモーション データに関する情報がある Forecaster データ コレクションを取得します。説明可能性によって、石油価格の上昇やプロモーションが売上に対して相対的に大きな影響を及ぼしているかどうかがわかります。

フォーキャスト結果に対する特徴量の影響については以下を確認してください。