5-12 自動数値[モデル作成タブ]
1.ノードの目的
搭載されているすべての数値予測モデルを評価し、最も精度の高いN個のアンサンブル（平均）によってスコアリングします（Autoモデリング）。
2.解説動画（60秒）
3.クイックスタート
コンビニ特定店舗の清涼飲料部門の実績とその要因（特売有無、近隣大学開講情報、天候、曜日、過去8日間の階差）のデータです。11月22日が現在で、その先７日間の実績は欠損値。特売予定や天気予報は値が含まれています。
＊サンプルデータ（CSV）は[5.参考情報]からダウンロードできます。
[可変長ファイル]から[自動数値]に接続します。
[可変長ファイル]で[データ型]タブを開きます。最初に[値の読み込み]ボタンを押して値を認識させます（赤枠）。予測の入出力を決める[ロール]を設定します。[日付]を[レコードID]へ（青枠）。予測対象である[店舗1]の実績を[対象]に変更します（緑枠）。
[自動数値]を編集して設定を確認します。
[エクスパート]タブでは利用するモデルを選択できます。最大17種類を実行可能ですが計算時間を考慮して初期設定の12モデルで[実行]します。
モデルが生成されました。モデルナゲットを右クリックで編集します。
予測と実績の相関が最も高い５つのモデルが選択されました。採用モデルの数は作成時に設定可能です。
結果を確認するために[テーブル]と[時系列グラフ]をモデルナゲットから接続します。
[テーブル]を実行します。
赤枠が実績で最後の7日間は未来なので欠損値（NULL）になっています。
青枠が予測値で、５つの精度上位モデルをアンサンブル（平均）しています。
緑枠は標準誤差です。
[時系列グラフ]を編集して実行します。
4.Tips
N日前までの階差を作成する
階差の作成はノードリファレンス3-11(時系列)加工ノードを参照してください。
日付から曜日データを作成する
日付から以下の関数で１から７の整数で曜日を作成します。
一度[データ型]で値を読み込んだ後、[データ分類]で1を日曜日、7を土曜日に置き換えます。
時系列予測の精度MAPE（絶対パーセント誤差）を作成する
モデルナゲットに[フィールド作成]と[レコード集計][テーブル]を接続します。
[フィールド作成]を編集します。
[レコード集計]を編集します。
プラス・マイナス6.1%の誤差を考慮するモデルだと確認できました。
MAPEはノードリファレンス3-11(時系列)加工ノードを参照してください。
95%予測上限と下限を自分で作る
交差検証（クロスバリデーション）
今回のような時系列予測では利用しませんが、レコード数が限定的な予測モデルの汎化能力を高める場合に利用します。
[モデル]タブで交差検証を設定できます。
交差検証（クロスバリデーション）の目的は次の記事をご覧ください。
モデルパラメータ変更やアンサンブルについて解説した記事
5.参考情報
利用データ
右クリックでリンク先を保存してください。
ノードのヘルプ
SPSS Modeler 逆引きストリーム集（データ加工）
SPSS Modeler ノードリファレンス目次