# カスタム推論モデルの作成

> カスタム推論モデルの作成 - カスタムモデルワークショップでカスタム推論モデルを構築する方法。

This Markdown file sits beside the HTML page at the same path (with a `.md` suffix). It summarizes the topic and lists links for tools and LLM context.

Companion generated at `2026-07-15T05:55:44.920137+00:00` (UTC).

## Primary page

- [カスタム推論モデルの作成](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/custom-models/custom-model-workshop/custom-inf-model.html.md): Full documentation for this topic (Markdown sidecar).

## Sections on this page

- [新しいカスタムモデルの作成](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/custom-models/custom-model-workshop/custom-inf-model.html.md#create-a-new-custom-model): In-page section heading.
- [ランタイムパラメーターの表示と編集](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/custom-models/custom-model-workshop/custom-inf-model.html.md#view-and-edit-runtime-parameters): In-page section heading.
- [異常検知](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/custom-models/custom-model-workshop/custom-inf-model.html.md#anomaly-detection): In-page section heading.

## Documentation content

カスタム推論モデルは、ユーザーが作成して、 カスタムモデルワークショップ を介して（ファイルのコレクションとして）、DataRobotにアップロードできる事前トレーニング済みのモデルです。 次に、モデルアーティファクトをアップロードして、DataRobotの一元化されたデプロイハブにカスタム推論モデルを作成、テスト、およびデプロイすることができます。

カスタム推論モデルは、以下のうちいずれかの方法で構築できます。

- アセンブルタブで、モデル要件とstart_server.shファイルを指定しないでカスタムモデルを作成します。 このタイプのカスタムモデルはドロップイン環境を使用する必要があります。 ドロップイン環境には、モデルで使用される要件とstart_server.shファイルが含まれます。 これらはワークショップ内のDataRobotによって提供されます。独自のドロップインカスタム環境を作成を作成することもできます。
- アセンブルタブで、モデル要件とstart_server.shファイルを指定してカスタムモデルを作成します。 このタイプのカスタムモデルは、カスタムまたはドロップイン環境と組み合わせることができます。

作業を続ける前に、 [カスタムモデルの構築](https://docs.datarobot.com/ja/docs/api/code-first-tools/drum/index.html.md) に関するガイドラインを確認してください。 カスタムモデルと環境フォルダーの間でファイルが重複している場合は、モデルのファイルが優先されます。

> [!NOTE] 備考
> カスタムモデルのファイルコンテンツを組み立てると、DataRobotにアップロードする前に開発目的で [ローカルでコンテンツをテスト](https://docs.datarobot.com/ja/docs/api/code-first-tools/drum/custom-local-test.html.md) できます。 ワークショップでカスタムモデルを作成した後、 アセンブル タブから [テストスイート](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/custom-models/custom-model-workshop/custom-model-test.html.md) を実行できます。

## 新しいカスタムモデルの作成

1. カスタム環境を作成するには、モデルレジストリ>カスタムモデルワークショップに移動し、モデルタブを選択します。 このタブには、作成したモデルが一覧表示されます。新しいモデルを追加をクリックします。
2. カスタム推論モデルを追加ウィンドウで、以下の表に記載されているフィールドに入力します。 要素説明1モデルタイプカスタムモデルまたはプロキシ（外部）を選択します。2モデル名カスタムモデルに名前を付けます。3ターゲットタイプ/ターゲット名ターゲットタイプ（二値分類、連続値、多クラス、テキスト生成（プレミアム機能）、異常検知、または非構造化）を選択して、ターゲット特徴量の名前を入力します。4正のクラスのラベル/負のクラスのラベル二値分類モデルの場合は、Positiveクラスラベルとして使用する値と、Negativeクラスラベルとして使用する値を指定します。多クラス分類モデルの場合、これらのフィールドは、.csvまたは.txtの形式でターゲットクラスを入力またはアップロードするフィールドで置き換えられます。 ターゲットタイプでのプロキシモデルのサポートプロキシモデルタイプを選択した場合、非構造化ターゲットタイプは選択できません。
3. オプションフィールドを表示をクリックし、必要に応じて、予測しきい値、モデルの構築に使用したコーディング言語、および説明を入力します。
4. フィールドに入力したら、カスタムモデルを追加をクリックします。
5. アセンブルタブの右側のモデル環境で、右側の基本環境ドロップダウンメニューをクリックして環境を選択し、モデル環境を選択します。 モデル環境は、カスタムモデルのテストとデプロイに使用されます。 備考基本環境プルダウンメニューにはドロップインモデル環境（存在する場合）と、作成可能なカスタム環境が含まれています。
6. 左側のモデルでファイルをドラッグアンドドロップするか、参照してコンテンツを追加します。 または、リモート統合リポジトリを選択します。 ローカルファイルを参照をクリックすると、ローカルフォルダーを追加するオプションが表示されます。 ローカルフォルダーは、モデル自体ではなく、モデルに必要な依存ファイルおよび追加のアセット用です。 モデルファイルがフォルダーに含まれている場合でも、ファイルがルートレベルに存在しない限り、DataRobotからモデルファイルにアクセスすることはできません。 ルートにあるファイルは、フォルダー内の依存関係を指定することができます。 備考また、モデル要件とstart_server.shファイルをモデルのフォルダーにアップロードする必要があります（モデルとドロップイン環境を組み合わせる場合を除く）。

### ランタイムパラメーターの表示と編集

カスタムモデルの作成時に、 `runtimeParameterDefinitions` を含む `model-metadata.yaml` ファイルをDataRobotに追加すると、そのカスタムモデルの アセンブル タブに ランタイムパラメーター セクションが表示されます。 環境を構築し、新しいバージョンを作成した後、 表示と編集 をクリックしてパラメーターを設定できます。

> [!NOTE] 備考
> ランタイムパラメーターを変更するたびに、カスタムモデルの新しいマイナーバージョンが作成されます。

カスタムモデルワークショップ でランタイムパラメーターを使用して [モデルをテスト](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/custom-models/custom-model-workshop/custom-model-test.html.md) した後、 テスト > ランタイムパラメーター に移動して、モデルのパラメーターを表示できます。

`defaultValue` のない定義で、ランタイムパラメーターに `allowEmpty: false` がある場合は、カスタムモデルを登録する前に値を設定する必要があります。

ランタイムパラメーターを定義し、カスタムモデルコードで使用する方法の詳細については、 [カスタムモードのランタイムパラメーターの定義](https://docs.datarobot.com/ja/docs/api/code-first-tools/drum/custom-model-runtime-parameters.html.md) に関するドキュメントを参照してください。

### 異常検知

異常検知の問題をサポートするカスタム推論モデルを作成できます。 構築する場合は、 [DRUMテンプレート](https://github.com/datarobot/datarobot-user-models/tree/master/model_templates/python3_sklearn_anomaly) を参照してください。 このリンクをクリックする前にGitHubにログインしてください。カスタム推論異常検知モデルをデプロイする場合、次の機能はサポートされていないことに注意してください。

- データドリフト
- 精度と関連付けID
- チャレンジャーモデル
- 信頼性ルール
- 予測の説明