# 非構造化モデルに関するMLOpsレポート

> 非構造化モデルに関するMLOpsレポート - 構造化されていない連続値、二値、または多クラスのターゲットタイプで作成されたカスタム推論モデルから、MLOpsによる統計を報告します。

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 `2026-07-15T05:55:44.936477+00:00` (UTC).

## Primary page

- [非構造化モデルに関するMLOpsレポート](https://docs.datarobot.com/ja/docs/classic-ui/mlops/mlops-preview/mlops-unstructured-models.html.md): Full documentation for this topic (Markdown sidecar).

## Sections on this page

- [非構造化カスタムモデルのレポートメソッド](https://docs.datarobot.com/ja/docs/classic-ui/mlops/mlops-preview/mlops-unstructured-models.html.md#unstructured-custom-model-reporting-methods): In-page section heading.
- [report_deployment_stats](https://docs.datarobot.com/ja/docs/classic-ui/mlops/mlops-preview/mlops-unstructured-models.html.md#report-deployment-stats): In-page section heading.
- [report_predictions_data](https://docs.datarobot.com/ja/docs/classic-ui/mlops/mlops-preview/mlops-unstructured-models.html.md#report-predictions-data): In-page section heading.
- [ローカルテスト](https://docs.datarobot.com/ja/docs/classic-ui/mlops/mlops-preview/mlops-unstructured-models.html.md#local-testing): In-page section heading.

## Documentation content

> [!NOTE] 本機能の提供について
> MLOpsでの非構造化モデルからのレポートは、デフォルトではオフになっています。 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： 非構造化モデルからのMLOpsレポートを有効にする

プレビュー版の機能です。 [カスタムモデルワークショップで作成](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/custom-models/custom-model-workshop/custom-inf-model.html.md) し、ターゲットタイプが 非構造化（連続値） 、 非構造化（二値） 、または 非構造化（多クラス） であるPythonカスタム推論モデルから、MLOpsによる統計を報告できます。

> [!WARNING] ターゲットタイプに関する注意事項
> 非構造化（その他） のターゲットタイプでは、非構造化モデルのMLOpsレポートはサポートされていません。

この機能を有効にすると、Pythonで [非構造化カスタム推論モデルを構築する](https://docs.datarobot.com/ja/docs/api/code-first-tools/drum/unstructured-custom-models.html.md) 際に、 `kwargs` から入力引数 `mlops` を次のように読み込むことができます。

```
mlops = kwargs.get('mlops') 
```

MLOpsのレポートを使用した非構造化Pythonカスタムモデルの例については、 [DataRobotユーザーモデルリポジトリ](https://github.com/datarobot/datarobot-user-models/tree/master/model_templates/python3_unstructured_with_mlops_reporting) を参照してください。

## 非構造化カスタムモデルのレポートメソッド

`mlops` の値が `None` でない場合は、以下のメソッドにアクセスして使用することができます。

### report_deployment_stats

予測数と実行時間をDataRobot MLOpsに報告します。

```
report_deployment_stats(num_predictions: int, execution_time: float) 
```

| 引数 | 説明 |
| --- | --- |
| num_predictions | 予測の数 |
| execution_time | すべての予測を計算するのにかかった時間（ミリ秒）。 |

### report_predictions_data

特徴量を、その予測値および関連付けIDとともにDataRobot MLOpsに報告します。

```
report_predictions_data(features_df: pandas.DataFrame, predictions: list, association_ids: list, class_names: list) 
```

| 引数 | 説明 |
| --- | --- |
| features_df | 追跡および監視するすべての特徴量を含むデータフレーム。 データフレームから報告したくない特徴量を除外します。 |
| predictions | 予測値のリスト。 連続値デプロイの場合、これは予測値を含む1次元のリストです（例：[1, 2, 4, 3, 2]）。分類デプロイの場合、これは2次元のリストで、内側のリストは各クラスタイプの確率です（例：[[0.2, 0.8], [0.3, 0.7]]）。 |
| association_ids | （オプション）各予測に対応する関連付けIDのリスト。 関連付けIDは精度の計算に使用され、報告される予測ごとに一意である必要があります。 predictionsの数はリスト内のassociation_ids の数と同じである必要があります。 |
| class_names | （分類のみ）予測クラスの名前のリスト（例：["class1", "class2", "class3"]）。 分類のデプロイでは、クラス名は報告された予測確率と同じ順序である必要があります。 順序が指定されていない場合、予測順序のデフォルトはデプロイでのクラス名の順序になります。 この引数は連続値デプロイでは無視されます。 |

## ローカルテスト

MLOpsがローカルにレポートする非構造化カスタムモデルをテストするには、以下の入力引数（または対応する環境変数）で [drumユーティリティ](https://docs.datarobot.com/ja/docs/api/code-first-tools/drum/custom-model-drum.html.md) を使用する必要があります。

| 入力引数 | 環境変数 | 説明 |
| --- | --- | --- |
| --target-type | TARGET_TYPE | unstructuredである必要があります。 |
| --webserver | EXTERNAL_WEB_SERVER_URL | DataRobotの外部ウェブサーバーのURL。 |
| --api-token | API_TOKEN | DataRobot APIトークン。 |
| --monitor-embedded | MLOPS_REPORTING_FROM_UNSTRUCTURED_MODELS | モデルがMLOpsライブラリを使用して統計情報を報告できるようにします。 |
| --deployment-id | DEPLOYMENT_ID | モデルの予測を監視するデプロイのID。 |
| --model-id | MODEL_ID | 予測を監視するデプロイ済みモデルのID。 |