Help us understand the problem. What is going on with this article?

🤖コロナのコールセンター相談件数をNo Codeで予測する

最近AutoMLが流行っていますね〜!(自分の中だけかもしれませんが笑)

東京都がオープンデータとしてデータを提供しているので、また猛威をふるっているコロナ関連の分析をDataRobotさんのAutoMLを使ってしてみたいと思います。

image.png

準備

DataRobotのトライアルアカウント作成

東京都 オープンデータカタログサイトでデータセット取得

ちゃんと利用しやすいようなデータセットが提供されていることにびっくりしました!日本すごい!!
東京都 新型コロナコールセンター相談件数のCSVをダウンロード
image.png

image.png

Data Robotで予測する

データを整える

ここにアクセスして先ほどのCSVファイルをアップロード!
image.png

しばらくするとデータが読み込まれこのような表示になります。

image.png

下にスクロールして、データセットを見てみましょう。
欠損値がない、良いデータセットですね!

image.png

モデルの選定

今回は相談件数を予測したいので、ターゲット名のところに 「相談件数」と入力します。

image.png

今回は時系列を扱うデータセットなので、時間認識モデルを選択します。
image.png

主時間を表す特徴量は 年_月_日 なので選択します。
image.png

時系列モデリングと時間外検定(OTV)が本来は選択できるようですが、トライアルでは時間外検定しか選べないみたいなので、そちらを選択してスタート!

学習

こんな感じで学習が進んでいきます。きちんと測ったわけではないですが、体感3〜5分ぐらいで学習が終わります。

image.png

評価

モデルを選択すると、いろいろなモデルで学習した結果が一覧になっています。
image.png

時系列データの場合評価のスコアが出るものと出ないものがあるようです。

image.png

image.png

予測

スコアがないので、よくわかりませんが、デプロイ推奨されているRandomForest Regressor でデータの予測を行ってみましょう。

モデルを選択すると、ブループリントが表示されます。予測を選択します。

image.png

予測するためには未来の日付を入れたCSVをアップロードすればいいのかなと思い、先ほどダウンロードした東京都のデータセットを開いて、日付と曜日と相談件数を調整して、データを作り直します。

image.png

CSVとして、保存してアップロードします。

image.png

そうすると予測が始まり、しばらくすると予測結果がダウンロードできるようになります。

image.png

ダウンロードしてみると、row_idとPredictionが書かれたCSVができていました。
日付のCSVと横並びにして、予測値をみてみましょう。
image.png

データセットの最後の方の日付を見てみると、900前後で推移しているので、外れ値ではない大体あってそうな値になっています。

image.png

7/8以降の東京のデータセットが更新され次第、またデータを見て、予測値がどのぐらい正確なのか予測してみたいと思います。

2020/07/11 10:02 追記

image.png

予測した部分のデータが出てましたが、実測値は
7/8 => 912
7/9 => 1174となり

予測
7/8 => 961
7/9 => 958
との誤差が明らかになりました!

ここ最近の東京の感染者数が過去最大となったり、マスメディアが不安を再び煽り始めたのでそれが原因で7/9が伸びているのかもしれません。

まとめ

DataRobotを使えば、MLの知識があまりなくてもデータサイエンティスト的なことができることがわかりました!

当たり前かもしれませんが、データの品質評価もしていたりしてかなりすごいな〜と思いました。(MLではデータの前処理が大事)

また機会があれば、仕事で利用してみたいと思いました!

serinuntius
ノープラン
https://note.mu/serinuntius
noplan-inc
no plan株式会社は、Webサイト、iOSアプリ、AndroidアプリなどWebサービス全般の開発から運用をワンストップで行っています。
https://noplan-inc.com
Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Comments
No comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
ユーザーは見つかりませんでした