Skip to content

アプリケーション内で をクリックすると、お使いのDataRobotバージョンに関する全プラットフォームドキュメントにアクセスできます。

カスタム推論モデルの作成

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アセンブルできます。

  • 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、 カスタムモデルのアセンブル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。

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 モデル名 カスタムモデルに名前を付けます。
    2 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。
    3 正のクラスのラベル/負のクラスのラベル これらのフィールドは、二値分類モデルに対してのみ表示されます。 正のクラスのラベルとして使用する値と負のクラスの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。
  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)。

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

更新しました February 20, 2024