Qast で学習ジョブを実行すると、39種類のアルゴリズムが並列で学習され、それぞれのモデルがリーダーボードに一覧表示されます。この記事では、リーダーボードの各機能を使いこなして最適なモデルを選ぶコツをご紹介します。
リーダーボードの基本的な見方
リーダーボードは、学習済みモデルをメトリクス（精度指標）で比較できる一覧画面です。デフォルトでは最も重要なメトリクスで降順ソートされていますが、カラムヘッダーをクリックすることで別のメトリクスでソートし直せます。
回帰タスクで注目すべきメトリクス
売上予測や価格予測などの回帰タスクでは、以下のメトリクスを確認しましょう。
- 1
RMSE（二乗平均平方根誤差）
予測値と実測値の誤差を表します。値が小さいほど良いモデルです。外れ値に敏感なため、外れ値が多いデータでは注意が必要です。
- 2
MAE（平均絶対誤差）
予測値と実測値の絶対誤差の平均です。RMSEより外れ値に頑健で、解釈しやすいメトリクスです。
- 3
R²（決定係数）
モデルがデータの分散をどれだけ説明できるかを0〜1で表します。1に近いほど良いモデルです。
分類タスクで注目すべきメトリクス
顧客の離脱予測や不良品検出などの分類タスクでは、以下のメトリクスが重要です。
- 1
Accuracy（正解率）
全サンプルのうち、正しく分類できた割合です。クラスの偏りが少ないデータに適しています。
- 2
F1スコア
適合率と再現率の調和平均です。クラスの偏りがあるデータ（例：不良品が全体の1%）で特に有用です。
- 3
AUC-ROC
分類閾値に依存しないモデルの総合的な分類能力を表します。0.5（ランダム）〜1.0（完全）の値を取ります。
モデルを比較するコツ
単一のメトリクスだけでなく、複数のメトリクスを総合的に見ることが重要です。例えば、RMSEが最小のモデルが必ずしも最良とは限りません。学習時間や推論速度も考慮して、実用に最適なモデルを選びましょう。
リーダーボードの結果はCSV・JSON形式でエクスポートできます。チーム内での共有やレポート作成にご活用ください。
結果のエクスポートと共有
リーダーボード画面の右上にある「エクスポート」ボタンから、全モデルの比較結果をCSVまたはJSON形式でダウンロードできます。これにより、チームメンバーへの報告や、社内ドキュメントへの貼り付けがかんたんに行えます。
