このセクションの他の記事
- 学習とは
- AIの学習設定
- 学習の詳細設定
- 学習の実行と進捗・学習の中止
- AIの学習の終了
- 概要
- 期待される効果
- 精度評価
- 精度評価の値について
- 精度評価の見方（分類・回帰）
- 精度評価の見方（文書データ（自然言語処理））
- 精度評価の見方（画像データ（ディープラーニング））
- 精度評価の見方（時系列解析）
- テスト結果の見方(数値)
- テスト結果の見方(ファインチューニング)
- 重要度
- RAGプロンプト管理機能
- テキストマイニング
- クラスタリング
- 学習情報
- 最適化の条件設定
- 最適化の式での条件設定
- 最適化結果の見方
- 最適化の仕組み
- 他のAIを確認する
- 再学習
- 学習済みAIの保存
- AIの作成お疲れさまでした！
最適化の仕組み
このマニュアルでは最適化を実行するOptFlowが、どのような仕組みで最適化を実行しているのかについてご紹介します。
MatrixFlowで最適化を実行する手順については以下のマニュアルを参照して下さい。
OptFlowでは上の図のように最適化が実行されます。
まずはじめに、AutoFlowなど回帰のブロックを使用して「最適な値を求める上での条件」となる列の学習済みAIを作成します
この学習済みAIは「最適な値を求めたい」列を学習に使用する列（説明変数）として、「最適な値を求める上での条件」となる列を（目的変数）としたAIになります。
この学習済みAIを用いて、OptFlowが最適化を行い最適化の結果が表示されています。
例えば、商品の材料を最適化するために、価格・品質などを条件にする場合、価格・品質を予測するAIを商品の材料から作成し、作成された価格・品質を予測するAIを使用して、材料の最適な値を求めます。
このようにAIを作成して最適化を実行しているため、保存された学習済みAIの中には、作成された「最適な値を求める上での条件」となる列の学習済みAIの精度や重要度も保存されています。
OptFlowや最適化について、より詳しい解説や、どのような課題や目的・業務に適用できるのかについては、弊社AIコンサルタントにお気軽にご相談ください。