--- title: 用語集 description: この記事では、一般的な統計モデリング用語、Tealium製品に特有の用語、およびTealium Predict MLインターフェースで使用される用語を定義します。 url: https://docs.tealium.com/ja/server-side/predict/getting-started/terminology/ --- ### 対象者 [_audience_]()は、属性条件のセットを共有する訪問プロファイルのグループとして定義され、リアルタイムでベンダーアクション（コネクター）をトリガーするために使用されます。Tealium Predictでは、モデルからの出力属性を使用して、マーケティング努力の対象となる1つ以上のオーディエンスを作成します。 ### 混同行列 Tealium Predictでは、_混同行列_（エラー行列とも呼ばれる）は、訓練されたモデルのパフォーマンス測定としてModel Explorerで報告され、実際の値と予測値を比較します。業界用語では、混同行列は真の値が既知のテストデータのセットを使用し、実際の値と予測値を表形式で表示して、特定のアルゴリズムのパフォーマンスを視覚化することができます。 ### データサイエンティスト _データサイエンティスト_は、技術と社会科学のスキルを活用してトレンドを探し、業界知識、文脈理解、既存の仮定に対する懐疑心を用いてデータを管理し、ビジネス課題に対する解決策を明らかにする分析専門ホームです。 ### デプロイされたモデル _デプロイされたモデル_は、「訓練」された後、Tealium AudienceStreamの顧客プロファイルに予測値を入力するためにデプロイされたモデルを指します。 ### 機械学習 _機械学習_は、人間の指導なしにコンピュータが学習することに焦点を当てた人工知能の一分野です。機械学習は、パターンを認識し、出力を分析し、パターンを説明し未来の行動を導くモデルを作成するために、事前に定められたルールのセットを使用します。欲しいデータがわかっている場合、機械学習はデータ取得への道のりを加速します。特定のパターンや欲しいデータが明確でない場合、機械学習はパターンを見つけ出し、データ取得に進むために使用できる結果を明らかにします。 ### モデル Tealium Predictでは、_モデル_は特定の時間枠内で予測している行動を表します。例えば、購入、転換、またはAudienceStreamで追跡される任意の顧客行動などです。モデルはアルゴリズムを使用して作成され、結果はパターンを説明し将来の結果を予測するために使用されます。 ### モデルエクスプローラー _モデルエクスプローラー_は、製品インターフェースの対話型セクションを指し、ここでは各モデルの各ステージのパフォーマンス測定を表示し、インターフェースからのアクショナブルなアイテム（再訓練やデプロイなど）を使用してモデルを微調整することができます。 ### 出力属性 対応するデプロイされたモデルによって生成された予測値を格納する数値型の訪問スコープデータレイヤー属性です。新しいモデルが作成されると、出力属性はデフォルトで作成されます。 ### 予測時間枠 ターゲット属性のアクションが発生すると予測される日数、週数、または月数の時間枠です。例えば、ユーザーの「次回訪問の可能性」を次の「x」日、週、月で予測します。 ### 予測値 デプロイされたモデルによって生成されたスコアです。このスコアは、ターゲット属性値の結果が次の訪問時（次の訪問が予測時間窓内に発生すると仮定して）に**True**に構成される可能性を表します。この値はモデルの対応する出力属性に格納されます。 ### 予測閾値 予測値をターゲット属性値と比較するために選択された数値閾値です。例えば、予測閾値が0.5に構成され、予測値が0.51に構成された場合、ターゲット属性値の結果が**True**に構成されると仮定されます。 ### 確率分布（再訪問） _確率分布_は、訓練されたモデルのパフォーマンスグラフを指します。このグラフは、訪問が戻って興味のあるアクションを実行したケースと、訪問が戻らずアクションを実行しなかったケースをモデルがどの程度うまく区別するかを示します。業界用語では、確率分布は、実験の異なる結果の発生確率を提供する数学的関数であり、予め定められたイベントが発生する確率を提供します。 ### 受信者操作特性（ROC） _ROC/AUC_（曲線下面積）は、訓練されたモデルのパフォーマンス測定を指します。業界用語では、_ROC_は真陽性率として知られ、真陽性の数を真陽性の数と偽陰性の数の合計で割ったものです。ROCは、実際の結果が陽性の場合にモデルが陽性クラスをどれだけうまく予測するかを説明します。真陽性率は感度とも呼ばれます。 ### 再訓練 モデルの予測精度は時間とともに低下します。新しいデータでTealium Predictモデルを[_retrain_]()すると、予測精度が向上し、より長い期間正確なままです。 ### 強度スコア モデル強度スコアは、各モデルの各バージョンの品質を評価する評価を提供します。強度スコアには、_F1スコア_、_リコール_、_プレシジョン_、および_精度_が含まれます。これらのスコアリング要素の詳細な説明については、[Model Scores and Ratings]()を参照してください。 ### ターゲット属性 ターゲット属性は、モデルを定義し予測されるユーザーアクションを表すAudienceStream属性です。これらの属性は訪問または訪問レベルのブール値で、アクションが実行されたことを示すために選択されます。例えば、「Has Purchased」というブール値の訪問属性は、訪問中に購入イベントが発生したことを示します。 ### 訓練 Tealium Predictでは、_訓練_は、予測に使用されるデータを消費し分析するステージを指します。このステージで使用されるデータのサイズと品質は、モデルをデプロイする際の結果の精度に重要な要素です。 ### 訓練されたバージョン Tealium Predictでは、_訓練されたバージョン_はモデルを訓練する単一のインスタンスを指します。すべての機械学習モデルにはバージョンがあり、各バージョンは予測を正確に行うために使用されるデータで訓練されます。 ### 訪問の訪問 訪問がウェブサイトを訪れる行為、または1つ以上のデータレイヤーがエンリッチされたイベントがトリガーされることです。