4.1.e. Informerモデルの設計

4.1.e. Informer モデルの設計 #

機能制限について

Informerは環境によってはご利用いただけません。

4.1.e.1. 機能概要 #

Informer は Transformer ベースの長期時系列予測モデルです。

Transformer は長期間にわたる依存関係を考慮した予測が可能ですが、計算コストが高いことが問題です。 Informer はこの欠点を改良し、より高速にメモリ使用量を削減して学習が可能です。

詳しい式はNTTコムの時系列データ分析ノウハウ集「ごちきか」該当記事を参照ください。

利用する際の注意事項

本機能はアドバンスドな機能です。利用の際には、データセットの特性や分析の目的に応じてパラメータを設定してください。

Informerによる学習は大変時間がかかる場合があります。学習が終わらない場合は学習に利用するデータ量を小さくするなどの対応を検討してください。

Informerを用いた場合は、要因分析、バリデーションなど一部機能に制限がある場合があります。

4.1.e.2. 入力と出力 #

なし

種別	接続先
設計済みモデル	学習

4.1.e.3. 操作方法 #

4.1.e.3.1. 結線 #

設計した AI モデル（ Informer）と、学習用のデータ(時間窓切り出し実施前のものに限る) を結線してください。

4.1.e.3.2. 各種パラメータの設定 #

設定可能なパラメータは以下の通りです。各パラメータの設定は、モデルの性能と過学習のリスクに直接影響を与えるため、データセットの特性や解析の目的に応じて設定してください。

パラメータ	設定範囲	必須パラメータ	備考
`seq_len`	1以上の整数値	○	Informer encoder の入力シーケンス長。
`pred_len`	1以上の整数値	○	予測シーケンスの長さ。モデルが未来を予測するためのタイムステップ数。
`train_epochs`	1以上の整数値	○	学習エポック数。モデルがトレーニングデータを何回繰り返して学習するか。
`d_model`	1以上の整数値（空の場合は256が自動で採用）		モデルの次元。モデル内の各層の出力サイズ。
`n_heads`	1以上の整数値（空の場合は8が自動で採用）		Attention の head 数。
`e_layers`	1以上の整数値（空の場合は2が自動で採用）		encoder 層数。より多い層は、より複雑な関係性をモデル化できるが、計算資源と過学習のリスクが増える。
`d_layers`	1以上の整数値（空の場合は2が自動で採用）		decoder 層数。デコーダーの深さ。
`d_ff`	1以上の整数値（空の場合は2048が自動で採用）		出力全結合層の次元。
`embed`	文字列		時間特徴 encoding (defaults to timeF). timeF, fixed, learned. 時間特徴量の埋め込み方法。
`dropout`	0以上1以下の浮動小数点（空の場合は0.0が自動で採用）		ドロップアウト率。過学習を防ぐために特定のノードを無効にする割合。
`batch_size`	1以上の整数値（空の場合は32が自動で採用）		学習入力データのバッチサイズ。
`learning_rate`	0以上1以下の浮動小数点（空の場合は0.0001が自動で採用）		学習率。モデルのパラメータ更新のステップサイズ。
`label_len`	1以上の整数値（空の場合はseq_lenの値が自動で採用）		Informer decoder のトークン開始長。

4.1.e.3.3. 設計の保存 #

“実行” ボタンを押して、設定を保存します。
設定内容に矛盾が存在する場合は、エラーが表示されます。
処理時間が 5 分を超えるとタイムアウトし、処理が強制終了されます。