画像： *予測ユニバーサルモデルによる [Domo.AI](http://Domo.AI) プレイグラウンドでの予測*
***
* [予測ユニバーサルモデルを有効にする](#enable_forecasting_universal_model)
* [必要な許可](#required_grants)
* [Domo Appでの](#forecast_in_app)
[予測](#forecast_in_app)
* [その他の予測シナリオ](#other_forecasting_scenarios)
* [折れ線グラフまたは棒グラフカードに予測を追加する](#add_forecast_to_chart_card)
* [予測設定の表](#table_forecast_settings)
* [予測を編集する](#edit_forecast)
* [予測を削除する](#remove_the_forecast)
* [Domo. AIプレイグラウンドの予測サービスを使用する](#forecasting_service_domo-ai_playground)
* [予測サービスにアクセスする](#access_the_forecasting_service)
* [予測サービスを使用する](#use_forecasting_service)
* [予測結果を解釈する](#interpret_forecast_results)
* [デフォルトの予測ユニバーサルモデルを変更する](#change_default_model)
* [よくある質問](#faq)
* [予測に関する一般的な質問](#general_forecasting_questions)
* [予測ユニバーサルモデルに関する質問](#forecasting_universal_model_q)
* [Domo Appにエンベッドされたカードに予測を追加する](#add_a_forecasting_card)
***
### 予測ユニバーサルモデルを有効にする
インスタンスで予測ユニバーサルモデルを有効にするには、Domoアカウントチームにお問い合わせください。有効にした場合にツールへのアクセスを制御する方法については、「 [必要な許可](#required_grants) 」を参照してください。
[このページのトップへ](#intro)
### 必要な許可
予測ユニバーサルモデルにアクセスするには、以下の3つの許可のいずれかが有効になっている権限が必要です。
* **AIのサービスモデルを作成する —** 新しいモデルを作成し、アクセス可能なモデルを編集、展開、削除できます。
* **AIサービスを利用する —** Domo App、Domo Bricks、Jupyterワークスペース、ワークフロー内で使用するAIサービスにアクセスできます。この許可は、AIサービスを使用する必要があるが、管理する必要がないすべてのユーザーに付与する必要があります。
* （管理者のみ） **AIサービスを管理する —** 管理者はAIモデルのすべてのモデルを作成、編集、展開、削除できます。
App Studioで予測ユニバーサルモデルを使用している場合は、以下の許可も必要です。Domo管理者では、この許可がデフォルトで有効になっています。
* **Appを編集（App Studio）** **—** App StudioでAppを作成、編集、シェア、削除します。
許可の詳細については、 [こちら](/s/article/360043438973) を参照してください。
[このページのトップへ](#intro)
### Domo Appでの予測
予測ユニバーサルモデルを使用すると、Domo Appの折れ線グラフまたは棒グラフカードに予測を簡単に追加できます。App Studioを使用して、データの季節性と予測する時点の数を入力できます。予測は、2つの信頼区間範囲とともに、自動的にカードに追加されます。
予測に追加する折れ線グラフまたは棒グラフは、以下のようになっている必要があります。
* X軸に 日付列を使用（値はタイムスタンプデータタイプとして保存するか、日、週、月、四半期、または年単位の粒度レベルで保存する必要があります）
* Y軸に 数値列を使用（この列の値は整数、浮動小数、または固定小数データタイプとして保存する必要があります）
* 系列列が ない 。
以下の画像例では、予測ユニバーサルモデルを使用した予測に使用できる折れ線グラフがAppにエンベッドされています。「注文数 | 月別」カードでは、X軸に日付列、Y軸に数値列を使用します。
3. 予測を追加する特定のカードを検索して選択します。
カードが青色のアウトライン付きで表示され、右側の設定パネルが開きます。
4. 右側の設定パネルの **［設定］** タブで、 **［AIによる予測を追加］** を選択します。 このオプションが有効になっていない場合、そのカードは予測ユニバーサルモデルと互換性がありません。
5. 設定を構成したら、設定を保存してAppを閉じます。
6. Appをビューモードで開きます。
7. カードを探して、 **［AI予測を生成］** を選択します。
数秒後に、カードに予測が表示されます。
予測は以下のように解釈できます。
* **［値］（青の線） —** Y軸に表示される数値列のデータポイント。予測は、このデータのパターンまたは傾向にもとづいています。
* **［予測］（灰色の線）および［forecastValue］ —** 予測ユニバーサルモデルによる予測データポイント。これらのポイントは、最も可能性の高い結果の平均と同じです。
* **［範囲］（濃い青の陰影） —** 可能性のある結果の範囲が狭くなっています。実際のデータポイントがこの範囲内に収まる信頼性は80％です。
* **［範囲2］（薄い青の陰影） —** 可能性のある結果の範囲が広くなっています。実際のデータポイントがこの範囲内に収まる信頼性は95％です。
* **［Conf0.8Upper］ —** ［範囲］の上限（最大値など）に対応するデータポイント。
* **［Conf0.8Lower］ —** ［範囲］の下限（最小値など）に対応するデータポイント。
* **［Conf0.9Upper］ —** ［範囲2］の上限（最大値など）に対応するデータポイント。
* **［Conf0.9Lower］ —** ［範囲2］の下限（最小値など）に対応するデータポイント。
設定 | 説明 | 推奨事項 |
|---|---|---|
予測期間 | 予測する時間区間の数を入力します。 例えば、X軸の日付列が日数で測定されており、今後2週間の予測が必要な場合は、「14」と入力します。 注記： 使用する数値は、1以上の整数（自然数、小数点なし）でなければなりません。 デフォルト値： 表示されるデフォルト値は、X軸の日付列の頻度にもとづきます。 | — |
季節性期間 | 季節性は、データ内で一定の頻度で（毎時、毎日、毎週、または毎月）繰り返されるパターンです。 予測で考慮する季節性を表す1以上の整数（自然数、小数点なし）を入力します。 例えば、毎日の売上データがあり、週末よりも平日の売り上げが高い傾向がある場合、データは週単位の季節性を示します。この場合、 ［季節性期間］ を「7」に設定します。 ただし、日次売上データがあり、月初と月末の売り上げが通常、月の半ばと比較して高くなっている場合、データは月単位の季節性を示します。この場合、 ［季節性期間］ を「30」に設定します。 次の列には、X軸の日付列の頻度にもとづいて季節性を設定する方法に関する推奨事項が含まれています。 デフォルト値： 表示されるデフォルト値は、X軸の日付列の頻度にもとづきます。日付列が日単位で測定されている場合、デフォルト値は「7」です。日付列が週単位で測定されている場合、デフォルト値は「4」になります。 |
季節性を考慮せずに予測する場合は、［季節性期間］を「1」に設定します。 |
次の日付以降の予測データを使用： | 予測ユニバーサルモデルは、Y軸列で検出されたパターンまたは傾向にもとづいて予測を生成します。モデルでデータを考慮するY軸列の期間を選択します。 | 以下のドロップダウンオプションを使用して、期間を指定します。 |
3. [［設定］](#table_forecast_settings) で編集を行います。
変更を保存すると、更新された予測がカードに表示されます。
[このページのトップへ](#intro)
# 予測を削除する
Domo Appにエンベッドされているカードに追加された予測を削除するには、以下の手順に従います。
1. App Studio編集モードで
[Appを開き](#generated_step_onetwo) 、 右側の設定パネルを開くための予測が含まれている カードを選択します。
2. 設定パネルの **［設定］** タブで、 **［AI予測を設定］** を選択します。 **［AI予測］** モーダルが表示されます。
3. モーダルで **［削除］** を選択します。
変更が保存されると、 **［AI予測を生成］** オプションがカードから削除されます。
[このページのトップへ](#intro)
### Domo. AIプレイグラウンドの予測サービスを使用する
Domo. AIプレイグラウンドの予測サービスで、予測ユニバーサルモデルの様々な設定を試し、結果の出力を比較できます。予測サービスを使用すると、予測を生成するcURLコードを抽出し、APIとのインタラクションなどのほかの設定でこのコードを使用することもできます。
左側のサイドバーで、 
[このページのトップへ](#intro)
# 予測サービスを使用する
予測サービスで予測ユニバーサルモデルの様々な設定をテストし、結果の予測出力と比較するには、 [必要な許可](#required_grants) が有効になっている状態で、以下の手順に従う必要があります。
1. **［設定］** ペインで予測の設定を行います。以下の表に、構成の設定を示します。
3. （オプション）
[このページのトップへ](#intro)
# 予測結果を解釈する
予測結果は以下のように解釈できます（ハイライト表示されたテキストを参照）。予測の各時点でのこの情報が **［出力］** ペイン に表示されます。
例えば、 **［設定］** ペインの［予測の長さ］で「8」を選択した場合、予測された8つの各時点での予測結果が表示されます。
**［コードスニペット］** ペインを展開した場合、予測出力を生成するcURLコードのブロックを表示できます。 **［コードをコピー］** を選択すると、このコードをマシンのクリップボードにコピーしてほかの設定（APIとのインタラクションなど）で使用できます。
**注記：** 様々な構成にもとづいて予測を再生成するには、 **［設定］** ペインの設定を変更して **［実行］** を選択します。
[このページのトップへ](#intro)
### デフォルトの予測ユニバーサルモデルを変更する
デフォルトの予測ユニバーサルモデルは、ARIMA（自己回帰和分統合移動平均）モデルです。ARIMAモデルは、自動回帰と差分化を組み合わせてデータを定常化し、過去の予測誤差の移動平均を算出する予測方法です。データサイエンティストは一般に、予測にARIMAモデルを使用します。
[AIサービスレイヤー設定](/ja/s/article/000005279) では、デフォルトの予測ユニバーサルモデルを、作成したモデルまたは外部のサードパーティーのモデルに変更できます。
[このページのトップへ](#intro)
### よくある質問
日付 | 収益 |
|---|---|
2023-03 | 134,589.12 |
2023-04 | 144,567.45 |
2023-05 | NULL |
2023-06 | 154,387.98 |
日付 | 収益 |
|---|---|
2023-03 | 134,589.12 |
2023-04 | 144,567.45 |
2023-06 | 154,387.98 |