チェックリスト
AIモデルを作成する前に、以下の観点で整理しておくと、無駄なモデル開発や精度の低下を防ぐことができるかも、、、✨
1. モデルの種類を確認する
-
分類 (Classification)
データをカテゴリに分けたい場合に使用。
-
回帰分析 (Regression)
連続値を予測したい場合に使用。
2. 分類タスクの詳細を明確にする
-
AかAでないかの分類
- 難易度が高くなる（Aではないデータをすべて学習させる必要がある）
- 現実的でない場合はＬＬＭ利用を検討したり、既存のモデルがないか探してみる
-
AかBかCか...のどれに近いかの判定
- AでもBでもCでもない場合も判定する必要ある？（あれば↑と同じ）
- 確率的な予測や距離感を評価するモデルが必要（ベクトル検索は使えないか？）
3. 回帰分析の必要性を確認する
- 本当に回帰モデルが必要か？
- 平均値、中央値、最頻値等の統計情報で十分な場合もある
- データのばらつきや傾向を事前に確認して判断する
- 何をパラメータにするか（テナント毎のデータをテナント毎に学習させるか、テナント自体もパラメータにするか等）
4. その他の確認事項
- データ量は十分か
- ラベルの品質は高いか
- 特徴量をどう出すか
まずは「モデルが本当に必要か」「分類か回帰か」を整理することが、モデルづくり成功の鍵です。