# デプロイ設定を行う

> デプロイ設定を行う - デプロイを追加するときは、予測環境を追加し、精度とデータドリフトの追跡などの設定を有効にして、デプロイを設定します。

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 `2026-07-15T05:55:44.922512+00:00` (UTC).

## Primary page

- [デプロイ設定を行う](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/deploy-methods/add-deploy-info.html.md): Full documentation for this topic (Markdown sidecar).

## Sections on this page

- [標準のオプションと情報](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/deploy-methods/add-deploy-info.html.md#_1): In-page section heading.
- [モデル情報](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/deploy-methods/add-deploy-info.html.md#model-information): In-page section heading.
- [予測履歴とサービスの正常性](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/deploy-methods/add-deploy-info.html.md#prediction-history-and-service-health): In-page section heading.
- [高度なオプション](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/deploy-methods/add-deploy-info.html.md#advanced-options): In-page section heading.
- [データドリフト](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/deploy-methods/add-deploy-info.html.md#data-drift): In-page section heading.
- [精度](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/deploy-methods/add-deploy-info.html.md#accuracy): In-page section heading.
- [データ探索](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/deploy-methods/add-deploy-info.html.md#data-exploration): In-page section heading.
- [チャレンジャー分析](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/deploy-methods/add-deploy-info.html.md#challenger-analysis): In-page section heading.
- [高度な予測設定](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/deploy-methods/add-deploy-info.html.md#advanced-predictions-configuration): In-page section heading.
- [予測自動スケーリング設定](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/deploy-methods/add-deploy-info.html.md#predictions-autoscaling): In-page section heading.
- [特徴量探索でのセカンダリーデータセット](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/deploy-methods/add-deploy-info.html.md#secondary-datasets-for-feature-discovery): In-page section heading.
- [サービスの正常性に関する詳細設定](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/deploy-methods/add-deploy-info.html.md#advanced-service-health-configuration): In-page section heading.
- [公平性](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/deploy-methods/add-deploy-info.html.md#fairness): In-page section heading.
- [カスタム指標](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/deploy-methods/add-deploy-info.html.md#custom-metrics): In-page section heading.
- [モデルのデプロイ](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/deploy-methods/add-deploy-info.html.md#deploy-the-model): In-page section heading.

## Documentation content

新しいデプロイを作成する場所（リーダーボード、モデルレジストリ、デプロイインベントリ）やアーティファクトのタイプ（DataRobotモデル、カスタム推論モデル、リモートモード）に関係なく、デプロイをカスタマイズできるデプロイ情報ページが表示されます。

デプロイ情報ページには、 [トレーニングデータ](https://docs.datarobot.com/ja/docs/reference/glossary/index.html.md#training-data) 、 [予測データ](https://docs.datarobot.com/ja/docs/reference/glossary/index.html.md#prediction-data) 、 [実測値](https://docs.datarobot.com/ja/docs/reference/glossary/index.html.md#actuals) など、提供されたデータに基づいて現在のデプロイの機能の概要が表示されます。 トレーニングデータ、推論データ、モデル、および結果データに関する詳細を入力するためのフィールドが用意されています。

## 標準のオプションと情報

モデルデプロイを開始すると、 デプロイ タブが開き、 モデル情報 および 予測履歴とサービスの正常性 オプションが表示されます。

## モデル情報

モデル情報 セクションには、デプロイの予測を作成するために使用されているモデルの詳細情報が表示されます。 フィールドはデプロイのファイルおよび情報を使用して入力されるので、フィールドはグレーアウトされて編集できません。

| フィールド | 説明 |
| --- | --- |
| モデル名 | モデルの名前。 |
| 予測タイプ | モデルによる予測のタイプ。 例：連続値、分類、多クラス、異常検知、クラスタリングなど。 |
| しきい値 | 二値分類モデル用の予測しきい値 しきい値を超えるレコードには正のクラスラベルが、しきい値を下回るレコードには負のクラスラベルが割り当てられます。 このフィールドは、連続値モデルおよび多クラスモデルでは使用できません。 |
| ターゲット | モデルが予測するデータセットの列名。 |
| Positive／Negativeクラス | 二値分類モデルの正および負のクラス値。 このフィールドは、連続値モデルおよび多クラスモデルでは表示されません。 |
| モデルパッケージID（登録されているモデルバージョンID） | モデル登録内のモデルパッケージのID（登録されているモデルバージョンID）。 |

> [!NOTE] 備考
> デプロイ制限のある組織に属している場合、 デプロイ請求 セクションでは、組織が [デプロイ制限](https://docs.datarobot.com/ja/docs/classic-ui/mlops/manage-mlops/deploy-inventory.html.md#live-inventory-updates) に対して使用しているデプロイの数と、組織が制限を超えた場合のデプロイコストが通知されます。
> 
> [https://docs.datarobot.com/ja/docs/images/deployment-billing.png](https://docs.datarobot.com/ja/docs/images/deployment-billing.png)

## 予測履歴とサービスの正常性

この 予測履歴とサービスの正常性 セクションには、デプロイの推論（スコアリング）データ—（これは予測リクエストおよびモデルからの結果を含む）に関する詳細が表示されます。

> [!NOTE] 外部モデルの予測環境
> 外部モデルはDataRobotの外で実行され、外部の予測環境にデプロイする必要があります。 外部モデルをDataRobotのサーバーレス予測環境にデプロイしないでください。 外部環境の設定手順については、Classic UIのドキュメントにある [外部予測環境の追加](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/ext-model-prep/ext-pred-env.html.md) を参照してください。

| 設定 | 説明 |
| --- | --- |
| 予測環境の設定 | 予測が生成される環境。 予測環境を使用すると、アクセス制御および承認ワークフローを確立できます。 |
| バッチ監視を有効にする | 予測をバッチにグループ化して監視するかどうかを決定し、予測のバッチを比較したり、バッチを削除して予測を再試行できるようにします。 詳細については、 デプロイ予測のバッチ監視のドキュメントを参照してください。 |
| 予測タイムスタンプを設定 | データドリフトと精度の監視で予測行のタイムスタンプ設定に使用する方法を決めます。 予測リクエストの時刻を使用：予測リクエストを送信した日時を使用して、タイムスタンプを決定します。日付/時刻特徴量の値を使用：予測データと共に特徴量として提供される日時（例：予測日）を使用して、タイムスタンプを決定します。 時系列デプロイの場合、予測日付/時刻のタイムスタンプは自動的に設定されます。 トレーニングデータと、データドリフトや精度統計の根拠との間で共通の時間軸を使用できます。この設定は、サービスの正常性の予測タイムスタンプには適用されません。 [サービスの正常性]タブでは、予測サーバーが予測リクエストを受信した日時が常に使用されます。 詳細については、以下の予測の時間を参照してください。この設定は、デプロイが作成され、予測が行われた後は変更できません。 |
| デプロイの有用性を設定 | デプロイの有用性レベルを決定します。 これらのレベル（クリティカル、高、中、低）は、 承認プロセス中のデプロイの処理方法を決定します。 有用性は、組織に関連する要因（デプロイの予測量、エクスポージャーのレベル、潜在的な経済的影響など）の集計を表します。 デプロイに中以上の有用性が割り当てられたときに、レビュアー通知（ モデル情報の下）が表示され、デプロイがレビューを必要とするたびに、レビュアーとして割り当てられたユーザーにDataRobotが自動的に通知することを示します。 |

> [!NOTE] 予測の時間
> 予測の時間 の値は、 [データドリフト](https://docs.datarobot.com/ja/docs/classic-ui/mlops/monitor/data-drift.html.md) タブと [精度](https://docs.datarobot.com/ja/docs/classic-ui/mlops/monitor/deploy-accuracy.html.md) タブ、および [サービスの正常性](https://docs.datarobot.com/ja/docs/classic-ui/mlops/monitor/service-health.html.md) タブで異なります。
> 
> [サービスの正常性]タブの「予測リクエストの日時」は、
> 常に
> 予測サーバーが予測リクエストを
> 受信した
> 日時です。 この予測リクエストの追跡方法は、診断目的で予測サービスの正常性を正確に示しています。
> データドリフトタブと精度タブについて
> デフォルトで
> 、「予測リクエストの時間」は、予測リクエストを
> 送信した
> 時刻になります。これは、
> 予測履歴とサービスの正常性
> 設定で、予測タイムスタンプでオーバーライドできます。

## 高度なオプション

高度なオプションを表示 をクリックします。

次のデプロイ設定を行うには：

- データドリフト
- 精度
- データ探索
- チャレンジャー分析
- 高度な予測設定（特徴量探索デプロイ用）
- サービスの正常性に関する詳細設定
- 公平性
- カスタム指標

### データドリフト

モデルをデプロイするとき、トレーニングおよび検定に使用するデータセットが予測データと異なっていることがあります。 ドリフト追跡を有効にするには、次の設定を行います。

| 設定 | 説明 |
| --- | --- |
| 特徴量ドリフト追跡の有効化 | デプロイ内の特徴量ドリフトを追跡するようDataRobotを設定します。 特徴量ドリフト追跡にはトレーニングデータが必要です。 |
| ターゲット監視の有効化 | デプロイ内のターゲットドリフトを追跡するようDataRobotを設定します。 実測値はターゲット監視に必要であり、ターゲット監視は精度監視に必要です。 |
| トレーニングデータ | デプロイで特徴量のドリフト追跡を有効にするために必要です。 |

> [!NOTE] DataRobotでのドリフトの追跡方法
> DataRobotは2種類のドリフトを追跡します。
> 
> ターゲットドリフト
> ：DataRobotは予測に関する統計情報を蓄積しているため、時間の経過と共にターゲットの分布と値がどのように変化するかを監視することができます。 ターゲット分布の比較の基準として、DataRobotではホールドアウトの予測値の分布を使用します。
> 特徴量ドリフト
> ：DataRobotは予測に関する統計情報を蓄積しているため、時間の経過と共に特徴量の分布と値がどのように変化するかを監視することができます。 サポートされている特徴量データ型は、数値、カテゴリー、およびテキストです。 特徴量の分布を比較するためのベースラインとして：
> 500MBより大きいトレーニングデータセットでは、DataRobotはトレーニングデータのランダムサンプルの分布を使用します。
> 500MBより小さいトレーニングデータセットでは、DataRobotはトレーニングデータの100%の分布を使用します。

DataRobotは、デフォルトでターゲットと特徴量ドリフト情報を監視し、 [データドリフトダッシュボード](https://docs.datarobot.com/ja/docs/classic-ui/mlops/monitor/data-drift.html.md) で結果を表示します。 たとえば、監視する必要のない機微データがデプロイに含まれている場合などは、 ターゲット監視を有効化 と 特徴量ドリフト追跡を有効化 のトグルを使用して追跡をオフにします。

データドリフトの監視方法をカスタマイズできます。 デプロイの [データドリフトステータスのカスタマイズ](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment-settings/data-drift-settings.html.md) に関する詳細については、データドリフトページを参照してください。

> [!NOTE] 備考
> データドリフト追跡は、デプロイ対応の予測APIルートを使用するデプロイでのみ使用できます（ `https://example.datarobot.com/predApi/v1.0/deployments/<deploymentId>/predictions` など）。

### 精度

必要となる設定を [精度](https://docs.datarobot.com/ja/docs/classic-ui/mlops/monitor/deploy-accuracy.html.md) タブに設定すると、標準的な統計的手法とエクスポート可能な可視化によって、時間の経過に伴うモデルデプロイのパフォーマンスを分析できます。

| 設定 | 説明 |
| --- | --- |
| 関連付けID | モデルの予測データセット内の関連付けIDを含む列名を指定します。 関連付けIDはデプロイの精度追跡の設定で必要となります。 関連付けIDは予測データセットの識別子として機能するので、後で出力データ（「実測値」）を予測に紐づけることができます。 デプロイが時系列プロジェクトのものである場合、 時系列デプロイの関連付けIDを参照して、有効な関連付けIDを選択または構築する方法を学習します。 |
| 予測リクエストで関連付けIDを要求 | 関連付けIDフィールドに入力した列名に一致する列名が予測データセットに存在する必要があります。 有効化したときに、列がない場合はエラーが表示されます。 デプロイを作成ボタンは関連付けIDを入力するか、このトグルを無効にするまで非アクティブとなります。 これは、予測行での関連付けIDの自動生成を有効にすると同時に有効にすることはできません。 |
| 予測行での関連付けIDの自動生成を有効にする | 関連付けID列の名前が定義されている場合、関連付けIDの値を自動的に設定できます。 これは、予測リクエストで関連付けIDを要求と同時に有効にすることはできません。 |
| 時系列モデルで自動実測値フィードバックを有効にする | 関連付けIDが示された時系列デプロイでは、この設定によって実測値の自動送信が可能になり、UIやAPIから手動で送信する必要がなくなります。 有効にした場合、予測の生成に使用されるデータから実測値を抽出できます。 各予測リクエストが送信されると、DataRobotは特定の日付の実測値を抽出できます。 これは、予測行を予測に送信すると、履歴データが含まれるためです。 この履歴データは、前の予測リクエストの実測値として機能します。 |

> [!NOTE] 重要：監視エージェントと監視ジョブの関連付けID
> 予測を精度追跡に含めるには、予測を行う 前 に関連付けIDを設定する必要があります。 [エージェントによって監視](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/mlops-agent/monitoring-agent/index.html.md) され、チャレンジャー（およびチャレンジャーの監視ジョブ）を含む外部モデルのデプロイの場合、 [モデル_と_そのチャレンジャーの精度を報告する](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/mlops-agent/monitoring-agent/agent-use.html.md#report-accuracy-for-challengers) には、関連付けIDを `__DataRobot_Internal_Association_ID__` にする必要があります。

### データ探索

予測行ごとの履歴保存を有効にして、 [データ探索](https://docs.datarobot.com/ja/docs/api/reference/sdk/data-exploration.html.md) タブをアクティブにします。 ここから、デプロイの保存されたトレーニングデータ、予測データ、および実測値をエクスポートして、 [カスタム指標](https://docs.datarobot.com/ja/docs/api/reference/sdk/custom-metrics.html.md) タブまたはDataRobotの外部で、カスタムビジネスまたはパフォーマンス指標を計算し監視します。

| 設定 | 説明 |
| --- | --- |
| 予測行ごとの履歴保存を有効化 | 予測データの保存を有効にします。デプロイの予測データを保存およびエクスポートしてカスタム指標で使用するために必要な設定です。 |

### チャレンジャー分析

DataRobotは、行レベルでデプロイの予測リクエストデータを安全に保存できます（外部モデルのデプロイではサポートされていません）。 この設定は、 [チャレンジャー](https://docs.datarobot.com/ja/docs/api/dev-learning/python/mlops/challengers.html.md) タブを使用するすべてのデプロイで有効にする必要があります。 チャレンジャー分析の有効化に加え、保存された予測リクエスト行へアクセスすると、予測を詳細に監査し、そのデータを使用して運用上の問題のトラブルシューティングを行うことができます。 たとえば、データを調べることによって、異常な予測結果やデータセットが不正な形式であった理由を理解できます。

> [!NOTE] 備考
> DataRobotの担当者に連絡して、データのセキュリティ、プライバシー、保持方法の詳細を確認するか、予測監査の必要有無について話し合ってください。

| 設定 | 説明 |
| --- | --- |
| チャレンジャーモデルの分析で予測行ごとの履歴保存を有効化 | チャレンジャーモデルの使用を有効化すると、デプロイ後のモデルを比較し、必要に応じてチャンピオンモデルを置換できます。 有効にすると、デプロイに対して行われた予測リクエストがDataRobotによって収集されます。 予測の説明は保存されません。 |

> [!NOTE] 重要
> 予測リクエストが収集されるのは、予測データがCSVやJSONなどのDataRobotで解釈可能な有効なデータ形式である場合のみであることに注意してください。 有効なデータ形式を含む失敗した予測リクエストも収集されます（欠損する入力特徴量など）。

### 高度な予測設定

高度な予測設定 セクションでは、デプロイされるモデルのプロジェクトタイプとモデルがデプロイされる予測環境に依存した設定を行うことができます。

- DataRobotのサーバーレス環境にモデルをデプロイする場合 、 予測自動スケーリング設定 を行うことができます。
- 特徴量探索プロジェクトからモデルをデプロイする場合 、 セカンダリーデータセットの設定 を行うことができます。

#### 予測自動スケーリング設定

この環境でオンデマンド予測を設定するには、 高度なオプションの表示 をクリックし、 高度な予測設定 まで下にスクロールして、次の 自動スケーリング オプションを設定します。

自動スケーリングでは、着信トラフィックに基づいてデプロイ内のレプリカの数が自動的に調整されます。 トラフィックの多い時間帯には、パフォーマンスを維持するためにレプリカが追加されます。 トラフィックの少ない時間帯には、コストを削減するためにレプリカが削除されます。 これにより、手動によるスケーリングが不要になると同時に、デプロイがさまざまな負荷に効率的に対応できるようになります。

**基本的な自動スケーリング:**
自動スケーリングを設定するには、以下の設定を変更します。 DataRobotモデルの場合、しきい値40%のCPU使用率に基づいて自動スケーリングが実行されます。

[https://docs.datarobot.com/ja/docs/images/nxt-real-time-pred-configure.png](https://docs.datarobot.com/ja/docs/images/nxt-real-time-pred-configure.png)

フィールド
説明
最小コンピューティングインスタンス数
（プレミアム機能）
モデルデプロイの最小コンピューティングインスタンスを設定します。 組織が「常時」予測を利用できない場合、これは
0
に設定され、変更できません。 最小コンピューティングインスタンス数を
0
に設定すると、推論サーバーは、7日間の非アクティブ期間の後に停止します。 最小および最大のコンピューティングインスタンスは、モデルタイプによって異なります。 詳細については、
コンピューティングインスタンスの設定
に関する注記を参照してください。
最大コンピューティングインスタンス数
モデルデプロイの最大コンピューティングインスタンスを、現在設定されている最小値を超える値に設定します。 コンピューティングリソースの使用を制限するには、最大値を最小値と同じに設定します。 最小および最大のコンピューティングインスタンスは、モデルタイプによって異なります。 詳細については、
コンピューティングインスタンスの設定
に関する注記を参照してください。

**高度な自動スケーリング（カスタムモデル）:**
自動スケーリングを設定するには、スケーリングのトリガーとなる指標を選択します。

CPU使用率：アクティブなレプリカ全体の平均CPU使用率のしきい値を設定します。 CPU使用率がこのしきい値を超えると、レプリカが自動的に追加され、処理能力が向上します。
HTTPリクエストの同時実行：処理される同時リクエスト数のしきい値を設定します。 たとえば、しきい値が5の場合、処理中の同時リクエストが5つ検出されると、レプリカが追加されます。

選択したしきい値を超えると、現在の負荷を処理するために必要な追加のレプリカ数が計算されます。 選択された指標が継続的に監視され、リソース使用量を最小限に抑えながら最適なパフォーマンスを維持するようにレプリカ数が調整されます。

CPU使用率の設定は以下のとおりです。

[https://docs.datarobot.com/ja/docs/images/nxt-real-time-pred-cpu.png](https://docs.datarobot.com/ja/docs/images/nxt-real-time-pred-cpu.png)

フィールド
説明
CPU使用率（%）
スケーリングのトリガーとなるCPU使用率の目標値を設定します。 CPU使用率がこのしきい値に達すると、さらにレプリカが追加されます。
クールダウン期間（分）
スケールダウンイベント後、次のスケールダウンが発生するまでの待機時間を設定します。 これにより、指標が不安定な場合の急激なスケーリングの変動を防ぐことができます。
最小コンピューティングインスタンス数
（プレミアム機能）
モデルデプロイの最小コンピューティングインスタンスを設定します。 組織が「常時」予測を利用できない場合、これは
0
に設定され、変更できません。 最小コンピューティングインスタンス数を
0
に設定すると、推論サーバーは、7日間の非アクティブ期間の後に停止します。 最小および最大のコンピューティングインスタンスは、モデルタイプによって異なります。 詳細については、
コンピューティングインスタンスの設定
に関する注記を参照してください。
最大コンピューティングインスタンス数
モデルデプロイの最大コンピューティングインスタンスを、現在設定されている最小値を超える値に設定します。 コンピューティングリソースの使用を制限するには、最大値を最小値と同じに設定します。 最小および最大のコンピューティングインスタンスは、モデルタイプによって異なります。 詳細については、
コンピューティングインスタンスの設定
に関する注記を参照してください。

HTTPリクエストの同時実行に関する設定は以下のとおりです。

[https://docs.datarobot.com/ja/docs/images/nxt-real-time-pred-http.png](https://docs.datarobot.com/ja/docs/images/nxt-real-time-pred-http.png)

フィールド
説明
HTTPリクエストの同時実行
スケーリングのトリガーに必要な同時リクエスト数を設定します。 同時リクエストがこのしきい値に達すると、さらにレプリカが追加されます。
クールダウン期間（分）
スケールダウンイベント後、次のスケールダウンが発生するまでの待機時間を設定します。 これにより、指標が不安定な場合の急激なスケーリングの変動を防ぐことができます。
最小コンピューティングインスタンス数
（プレミアム機能）
モデルデプロイの最小コンピューティングインスタンスを設定します。 組織が「常時」予測を利用できない場合、これは
0
に設定され、変更できません。 最小コンピューティングインスタンス数を
0
に設定すると、推論サーバーは、7日間の非アクティブ期間の後に停止します。 最小および最大のコンピューティングインスタンスは、モデルタイプによって異なります。 詳細については、
コンピューティングインスタンスの設定
に関する注記を参照してください。
最大コンピューティングインスタンス数
モデルデプロイの最大コンピューティングインスタンスを、現在設定されている最小値を超える値に設定します。 コンピューティングリソースの使用を制限するには、最大値を最小値と同じに設定します。 最小および最大のコンピューティングインスタンスは、モデルタイプによって異なります。 詳細については、
コンピューティングインスタンスの設定
に関する注記を参照してください。


> [!NOTE] プレミアム機能：常時予測
> 常時 予測はプレミアム機能です。 最小のコンピューティングインスタンスを設定するには、デプロイの自動スケーリング管理が必要です。 この機能を有効にする方法については、DataRobotの担当者または管理者にお問い合わせください。
> 
> 機能フラグ： デプロイの自動スケーリング管理を有効にする

> [!NOTE] コンピューティングインスタンスの設定
> DataRobotモデルデプロイの場合：
> 
> デフォルトの最小値は0で、最大値は3です。
> 最小値と最大値は、組織の
> max_compute_serverless_prediction_api
> 設定から取得されます。
> 
> カスタムモデルデプロイの場合：
> 
> デフォルトの最小値は0で、最大値は1です。
> 最小値と最大値は、組織の
> max_custom_model_replicas_per_deployment
> 設定から取得されます。
> GPU（LLMの場合）で実行する場合、最小値は常に1よりも大きくなります。
> 
> さらに、 高可用性 のシナリオの場合：
> 
> 最小コンピューティングインスタンス数の設定は2以上である
> 必要
> があります。
> これには、ビジネスクリティカルまたは消費ベースの価格設定が必要です。

> [!TIP] コンピューティングインスタンスの設定を更新する
> デプロイ後にモデルで使用できるコンピューティングインスタンスの数を更新する必要がある場合、 [予測設定](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment-settings/predictions-settings.html.md) タブでこれらの設定を変更できます。

#### 特徴量探索でのセカンダリーデータセット

[特徴量探索](https://docs.datarobot.com/ja/docs/classic-ui/data/transform-data/feature-discovery/fd-overview.html.md) は、多数のデータセットから新しい特徴量を識別し生成します。このため、多数のデータセットを1つに統合するために手動で特徴量エンジニアリングを実行する必要がなくなります。 この処理は、データセットとそのデータセット内の特徴量の関係性に基づきます。 DataRobotは、このような関係性を構築および視覚化できる直感的な関係性エディターを提供します。 グラフおよび含まれるデータセットがDataRobotの特徴量探索エンジンによって分析され、特徴量エンジニアリング「レシピ」が決定されます。そのレシピから、トレーニングおよび予測に使用するセカンダリー特徴量が生成されます。 デプロイの設定中に、 [選択したセカンダリーデータセットの設定を変更](https://docs.datarobot.com/ja/docs/classic-ui/data/transform-data/feature-discovery/fd-predict.html.md#select-a-secondary-dataset-configuration) できます。

| 設定 | 説明 |
| --- | --- |
| セカンダリーデータセットの設定 | データセット設定をプレビューするか、データセット設定を変更するオプションが存在します。 デフォルトでは、プロジェクトを構築する際に使用された関係性で定義されたセカンダリーデータセット設定を使用して予測が作成されます。 他の設定を選択するには、新しいプライマリーデータセットをアップロードする前に変更をクリックします。 |

### サービスの正常性に関する詳細設定

[セグメント化された分析](https://docs.datarobot.com/ja/docs/classic-ui/mlops/monitor/deploy-segment.html.md) により、デプロイ時のトレーニングおよび予測データ要求の運用上の問題点が識別されます。 DataRobotでは、データのドリフトと精度の統計を固有のセグメント属性と値にフィルタリングすることでドリルダウン分析が可能になります。

| 設定 | 説明 |
| --- | --- |
| トレーニングデータと予測に対するセグメント化された分析のために属性を追跡 | DataRobotがカテゴリー特徴量などでセグメントごとにデプロイ予測を監視できるようにします。 この設定では、トレーニングデータが必要であり、公平性の監視を有効にする必要があります。 |

### 公平性

[公平性](https://docs.datarobot.com/ja/docs/classic-ui/mlops/governance/mlops-fairness.html.md) を使用すると、デプロイの設定を行うことで、モデルの予測動作のバイアスを確認できます。 モデルのデプロイ以前に公平性設定を定義した場合、フィールドは自動的に入力されます。 追加情報については、 [公平性テストの定義](https://docs.datarobot.com/ja/docs/classic-ui/modeling/build-models/adv-opt/fairness-metrics.html.md#configure-metrics-and-mitigation) に関するセクションを参照してください。

| 設定 | 説明 |
| --- | --- |
| 保護されている特徴量 | モデル予測の公平性を測定する際の基準となるデータセット列を特定します。これはカテゴリー列である必要があります。 |
| プライマリー公平性指標 | 公平性の評価に使用する平等性の制約に関する統計指標を定義。 |
| 好ましいターゲット結果 | ターゲットと比較して、保護されたクラスにとって好ましいと認識される結果の値を定義します。 |
| 公平性のしきい値 | 公平性のしきい値を定義して、保護されたクラスごとに適切な公平性の範囲内でモデルが実行されるかどうかを測定します。 |

### カスタム指標

生成AIのデプロイでは、 [データ品質](https://docs.datarobot.com/ja/docs/api/reference/sdk/data-exploration.html.md) と [カスタム指標](https://docs.datarobot.com/ja/docs/api/reference/sdk/custom-metrics.html.md) を監視するためにこれらの設定を行います。

| 設定 | 説明 |
| --- | --- |
| 関連付けID | モデルの予測データセット内の関連付けIDを含む列名を指定します。 関連付けIDはデプロイの精度追跡の設定で必要となります。 関連付けIDは予測データセットの識別子として機能するので、後で出力データ（「実測値」）を予測に紐づけることができます。 |
| 予測リクエストで関連付けIDを要求 | 関連付けIDフィールドに入力した列名に一致する列名が予測データセットに存在する必要があります。 有効化したときに、列がない場合はエラーが表示されます。 デプロイを作成ボタンは関連付けIDを入力するか、このトグルを無効にするまで非アクティブとなります。 これは、予測行での関連付けIDの自動生成を有効にすると同時に有効にすることはできません。 |
| 予測行での関連付けIDの自動生成を有効にする | 関連付けID列の名前が定義されている場合、関連付けIDの値を自動的に設定できます。 これは、予測リクエストで関連付けIDを要求と同時に有効にすることはできません。 |
| トレーニングデータと予測に対するセグメント化された分析のために属性を追跡 | DataRobotがカテゴリー特徴量などでセグメントごとにデプロイ予測を監視できるようにします。 この設定では、トレーニングデータが必要であり、公平性の監視を有効にする必要があります。 |

## モデルのデプロイ

使用可能なデータを追加し、モデルが完全に定義されたら、画面上部にある デプロイを作成 をクリックします。

> [!NOTE] 備考
> モデルをデプロイ ボタンが無効になっている場合は、関連付けIDを指定するか（ [精度監視の有効化](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment-settings/accuracy-settings.html.md) に必要）、 予測リクエストで関連付けIDを要求 をオフに切り替えてください。

デプロイの作成中 というメッセージが表示され、DataRobotがデプロイを作成中であることを示します。 デプロイが作成されると、 概要 タブが表示されます。

デプロイ名の左側にある矢印をクリックすると、デプロイインベントリに戻ります。