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。

MLOps > デプロイ > モデルをデプロイ > DataRobotモデルのデプロイ

DataRobotモデルのデプロイ

モデルレジストリを使用して、DataRobot AutoMLで構築したモデルを登録およびデプロイできます。 ほとんどの場合、デプロイの前にホールドアウトのロックを解除して、100%でモデルを再トレーニングして予測精度を向上させます。 さらに、DataRobotはモデルの特徴量のインパクトを自動的に実行します（可能な場合は、予測の説明も計算される）。

モデルの登録とデプロイ

リーダーボードからモデルを登録してデプロイするには、まずモデルの登録情報を提供する必要があります。

  1. リーダーボードで、予測の生成に使用するモデルを選択します。 デプロイ推奨とデプロイの準備済みのバッジが付いたモデルをお勧めします。 モデル準備プロセスでは、特徴量のインパクトが実行され、特徴量の数を減らした特徴量セットでモデルが再トレーニングされて、より大きなサンプルサイズでトレーニングされた後、サンプル全体（日付/時刻で分割されたプロジェクトの最新データ）でトレーニングされます。

    重要

    専用の予測サーバーがない環境では、デプロイタブの動作は異なります。詳細については、以下の共有モデリングワーカーのセクションを参照してください。

  2. 予測 > デプロイをクリックします。 リーダーボードモデルにデプロイの準備済みバッジがない場合、デプロイの準備をクリックして、そのモデルに対してモデル準備プロセスを実行することを推奨します。

    ヒント

    すでにそのモデルをモデルレジストリに追加している場合、登録されているモデルのバージョンがモデルのバージョンリストに表示されます。 モデルの横にあるデプロイをクリックして、このプロセスの残りの部分をスキップできます。

  3. モデルをデプロイで、登録してデプロイをクリックします。

  4. 新規モデルの登録ダイアログボックスで、以下のモデル情報を入力します。

    フィールド 説明
    モデルの登録 次のいずれかを選択：
    • 新規モデルの登録：登録済みのモデルを新規作成します。 これにより、最初のバージョン（V1）が作成されます。
    • 既存のモデルに新しいバージョンとして保存：既存の登録済みモデルのバージョンを作成します。 これにより、バージョン番号が増加し、登録済みモデルに新規バージョンが追加されます。
    登録モデルの名前/登録済みのモデル 次のいずれかを実行します。
    • 登録済みモデル名：新しい登録モデルに一意でわかりやすい名前を入力します。 組織内のどこかに存在する名前を選択すると、モデルの登録に失敗したという警告が表示されます。
    • 登録済みのモデル：新規バージョンを追加する既存の登録済みモデルを選択します。
    登録モデルのバージョン 自動的に割り当て済み。 作成するバージョンの予想バージョン番号（V1, V2, V3など）が表示されます。 新しいモデルを登録を選択すると、これは常にV1になります。
    予測しきい値 二値分類モデル用。 陽性クラスに割り当てられるように予測スコアを超える値を入力します。 デフォルト値は0.5です。 詳細については、予測に対するしきい値を参照してください。
    オプション設定
    バージョン説明 このモデルパッケージが解決するビジネス上の問題、またはより一般的には、このバージョンで表されるモデルについて説明します。
    タグ + 項目を追加をクリックし、モデルバージョンにタグ付けする各キーと値のペアのキーと値を入力します。 タグは登録済みモデルには適用されず、その中のバージョンにのみ適用されます。 新規モデルの登録時に追加されたタグがV1に適用されます。
    予測間隔を含める 時系列モデルの場合、時系列モデルパッケージの予測間隔機能を有効にすると、時系列モデルパッケージの構築処理中に予測間隔の計算を可能にできます。 詳細については予測間隔を参照してください。
    二値分類予測のしきい値

    デプロイ準備プロセスの前に予測しきい値を設定した場合、その値はデプロイには適用されません。 準備されたモデルをデプロイするときにデフォルト以外の値を使用する場合は、モデルにデプロイの準備済みバッジが適用された後に値を設定する必要があります。

    プレビュー：時系列の予測間隔

    時系列モデルパッケージの予測間隔機能が有効になっている場合、時系列モデルを登録してデプロイする際に予測間隔を含める設定を利用できます。 予測間隔を含むモデルパッケージをデプロイすると、そのデプロイでは予測 > 予測間隔タブが表示されます。 予測間隔を計算せずに構築されたデプロイ済みモデルパッケージの場合、そのデプロイでは予測 > 予測間隔タブは表示されません。ただし、予測間隔が計算されていない古い時系列デプロイでは、2022年8月より前にデプロイされた場合、予測間隔タブが表示されることがあります。

  5. レジストリに追加をクリックします。 モデルレジストリ > 登録済みのモデルタブでモデルが開きます。

  6. 登録モデルの構築中に、デプロイをクリックして、デプロイ設定を行います。

  7. モデルをデプロイをクリックします。

登録済みモデルのデプロイ

モデルレジストリでは、登録済みのモデルページから、いつでも登録済みモデルをデプロイできます。 そのためには、登録されているモデルバージョンを開く必要があります。

  1. 登録済みのモデルページで、デプロイするモデルバージョンを含む登録済みモデルをクリックします。

  2. 登録済みのモデルバージョンを開くには、次のいずれかを実行します。

    • 現在のタブでバージョンを開くには、アクセスするバージョンの行をクリックします。

    • 新しいタブでバージョンを開くには、アクセスするバージョンのタイプ列の横にある開くアイコン（）をクリックします。

  3. バージョンヘッダーで、デプロイをクリックし、 デプロイ設定を行います。

共有モデリングワーカーの使用

専用の予測サーバーインスタンスが使用できない場合、モデル構築アクティビティとワーカーを共有するノードを使用できます。

このシナリオでは、デプロイワークフローのインターフェイスが異なります。

  1. リーダーボードから、予測の生成に使用するモデルを選択し、予測 > デプロイAPIをクリックします。

  2. 例を表示をクリックして、使用例を生成および表示し、以下を定義します。

    フィールド 説明
    1 API_TOKEN APIキー。
    2 PROJECT_ID/MODEL_ID サンプルで取得可能なプロジェクトとモデルのID。
    3 dr.Client(endpoint='https://app.datarobot.com/api/v2', token=API_TOKEN) サンプルで取得可能な共有インスタンスエンドポイント。 DataRobot Pythonクライアントは認証にAPIキーを使用するので、キーやユーザー名は必要ありません。

  3. ファイルを実行するには、スニペットのコメントセクションの指示に従います。

更新しました February 20, 2024