Treasure AutoMLは複数のソリューションノートブックを提供しています: 
基本ノートブックには、AutoGluonによる分類/回帰、時系列予測、EDA、SHAP説明、さらにサンプルMLデータセットを準備するためのノートブックが含まれています。現在のソリューション例: Next Best Actions、Multi-Touch Attribution、ネットワーク分析。
ベースパッケージには、AutoGluonを使用した基本的な分類/回帰ノートブックが含まれています。AutoGluonは多層スタッキングを使用して、多様なMLモデルを組み合わせます。詳細については、AutoGluonドキュメントを参照してください。
また、クイックスタートのためにサンプルMLデータセットを準備するノートブックも含まれています。
| ベースパッケージ | 説明 |
|---|---|
| Gluon Train | 入力トレーニングテーブルでAutoGluonライブラリを使用してモデルをトレーニングします。 |
| Gluon Predict | Gluon Trainで作成されたモデルを使用して値を予測します。 |
| ML Datasets | サンプルMLデータセットをTDデータテーブルとして読み込みます。 |
事前設定されたソリューションパッケージは、特定のビジネスユースケースに対応しています。
| ソリューションパッケージ | 説明 |
|---|---|
| Next Best Action | 過去の行動に基づいて、顧客価値を高める可能性が最も高いマーケティングアクションを予測します。 |
| Multi-touch Attribution (MTA) | KPI(コンバージョンなど)に向けたジャーニータッチポイントにクレジットを割り当てます。 |
| Time Series Forecasting | 履歴データから潜在的な将来の値を予測し、戦略に情報を提供します。 |
| Exploratory Data Analysis | データを探索し、モデリングの準備をするためのグラフィカル/統計的分析。 |
| SHAP Analysis | ローカル/グローバルなモデル説明可能性のためにShapley値を計算します。 |
| Network Analysis | Webアクセスパスのインサイトを得るためにSankeyダイアグラムとネットワークプロットを生成します。 |
| RFM Analysis | リーセンシー、頻度、金額価値(RFM)で顧客をセグメント化します。 |
| Clustering | 特徴量の重要度とSHAP説明を含むクラスター(K-means)を作成します。 |
| CLTV Prediction | 顧客生涯価値(CLTV)を推定します。 |