金融詐欺の分類をグラフ化¶

GitHubでこのAIアクセラレーターにアクセス

このアクセラレーターでは、DataRobotのカスタムモデルタスクとして、Graph Isomorphism Network (GIN)のエンドツーエンドの実装を紹介します。 これは、モデル開発、ローカルテスト、DataRobotのカスタムモデルフレームワークとの連携など、さまざまな目的に使用できます。

このアクセラレーターの主な目的は、DataRobotにカスタムグラフベースのタスクを追加するための完全なパイプラインを示すことと、DataRobotのカスタムモデルフックの実装について概要を示すことです。 これらのフックには以下が含まれます。

• transform：JSON形式のグラフデータをDGL形式に前処理します。 DRUMフックは、fitおよびscoreフックを実行する前に、自動的にtransformを呼び出します。
• fit：GINモデルをトレーニングし、暗黙的に保存します。
• score：予測モードでデータをスコアリングします。
• load_model：事前にトレーニングされたモデルをロードします。

アクセラレーターのワークフローには、大きく分けて3つのステップがあります。

1. DRUMプロセスを手動で実装します。 DRUMを使用して、データ変換、モデルトレーニング、予測を順を追って実行します。

2. モデルをDataRobotに統合する前に、DRUMを使用してローカルでモデルをテストし、フックを検証します。

3. 検証が自動化され、しきい値が最適化されたカスタムタスクをDataRobotに実装します。