質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

87.37%

データ解析におけるアーキテクチャについて

受付中

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 838

score 66

現場から発生する大量のセンサーデータをダウン/アップサンプリングやデータ補完などの前処理して、可視化や機械学習解析を施して、知見を引き出すという解析作業を行っております。

この時、データの持ち方やオブジェクトの設定方法など、データ解析におけるアーキテクチャの考え方があれば参考リンクや図書を共有いただけないでしょうか?


例えば、以下のようなことを知りたいと考えています。

  • 前処理パイプラインはどう組むと保守性が高まるか。例えば、分析方法やデータ内容が、時と場合で少しずつ変わることがあるが(データの内容やユーザー要求が変わるなど)、どのように組んだら保守効率を高められるか
  • 前処理プログラムの再利用できるようにするために、どのような組み方をすれば、再利用性が高まるか
  • パイプラインに沿ってデータを処理していたった時に、各データをどのように保存していくか

Web開発でよく使われるMVCモデルのイメージです。 MVCのようなアプリケーションフレームワークではないですが、例えば、以下のようなデータ基盤の作り方として、こういう考え方があるといい、といったイメージです。

分析者から見た使いにくいデータ基盤の話


(追記)質問が曖昧で申し訳ありません。より具体的な内容を記載いたします。

背景や目的

  • 工場現場から発生するセンサーデータを処理し、可視化したり、機械学習にかけたい(オフラインで分析。オンライン処理不要)。
  • 基本Pythonのみで解析。ただ、一部解析にRを使うことがある。
  • データの発生条件や処理方法が頻繁に変わるので(機械設定が変わるなど)、その度に前処理スクリプトを変更する必要がある。

データ処理内容

  •  現在のプログラム構造として、大きく3つに分類して作成。
  1. 元データはCSVファイルであり、HDDに保存(数十GB)。このcsvをダウンサンプリングしてmySQLに格納する処理
  2. mySQLからデータを抽出してさらに処理してpandas DataFrameに変換する処理
  3. 機械学習処理
  •  各処理概要は以下のとおり
  1. 元CSVのダウンサンプリングしmySQLに格納(容量1/10)。元データはマスターデータとして保管。
  2. mySQLに格納されたデータにさらに前処理を加えて(欠損値補完、平滑化、PCAなど)、数十MBに圧縮し、PandasのDataFrameに変換。(pickleやCSVで保管し、次処理工程に受け渡し。
  3. 機械学習にてモデリングし(PythonやR)、予測モデル構築やシミュレーションの実施。

困りごと

  •  例えば機械条件の変更が発生すると、都度スクリプト変更が発生する。また、1,2,3それぞれ、処理結果を見ながら変更するので、処理変更が多い。また、各処理が後段の処理に影響するので、スクリプト全体の見通しが把握しにくい。
  •  プログラムをなるべく再利用できるようにしたい。

お聞きしたいことの補足

例えば、オブジェクト指向分析を活用することで、データと処理をまとめたオブジェクトを作ったり、パイプラインをイメージして各処理をメソッド化して、自分なりに処理フローをわかりやすくしています。ただ、このようなAI周りで発生するようなアジャイル開発において、効率や保守性を高めるために、他にどのような考え方を使っているのか(それこそwebで言うMVCのような)、事例や知見があれば紹介いただきたい。まとめたものでなく、同様のプロジェクトコード例が格納されている場所でも十分役に立ちます。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正、ベストアンサー選択の依頼

  • 退会済みユーザー

    2020/05/11 17:21

    複数のユーザーから「問題・課題が含まれていない質問」という意見がありました
    teratailでは、漠然とした興味から票を募るような質問や、意見の主張をすることを目的とした投稿は推奨していません。
    「編集」ボタンから編集を行い、質問の意図や解決したい課題を明確に記述していただくと回答が得られやすくなります。

  • meg_

    2020/05/11 22:29

    「データの発生条件や処理方法が頻繁に変わる」ことがプログラムにどの程度影響を与えるのかは私には分かりませんが、変数部分を外部ファイル(設定ファイル、jsonファイルとか)にすることで変更(変化)に強くすることは出来るかと思います。jsonなどのテキストファイルであればPython書けない人でも更新できますし。 ※その程度のことは既に実施済かもしれませんね。

    キャンセル

  • MagMag

    2020/05/12 09:27 編集

    ありがとうございます。そういう意味では、yamlファイルを作ったり、非プログラマとのコミュニケーションとのためにエクセルファイルを使ったりしています。

    キャンセル

回答 1

0

要するにパイプラインをもっと見通し良く管理したいという話でしょうか。

期待されている方向性の回答かは分かりませんが、私が実践しているのは

  • 処理を適当なステップに分割してそれぞれをスクリプト化。
  • 入力データをどういう順番でスクリプトに掛けて最終成果物にもっていくかをMakefileで書く。
  • 入力元のファイルの数がケースバイケースで不定であるような処理はMake単体での処理が難しいので、Makefileを書くスクリプトを別途作っておき、所定の入力に適応したMakefileをそのつど生成して運用する。

こんな感じでなんとかやっていますね。これはこれで難しいところはありますが、試行錯誤の末、このような形に落ち着いています。

オブジェクト指向は…どうだろう。妙に抽象化を図ると却ってわけが分からなくなるんじゃないかという気がしますが。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2020/05/13 10:02

    ありがとうございます。

    時系列データ、かつ、連続データではない(バッチデータ)なので、データに非時系列属性も入れてロジックを組むためにオブジェクト化してみましたが(センサーの取得条件などの非時系列情報に応じて処理を変えるなど)、メソッドを組むメリットがあまりなく、データの持ち方含めてどうしたらいいか日々悩んでいます。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 87.37%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る