DataRobotモデルのデプロイ¶
次の方法を使用して、DataRobot AutoMLで構築したモデルをデプロイできます。
- リーダーボードからモデルをデプロイします。
- モデルをモデルレジストリにモデルパッケージとして保存し、レジストリからデプロイします。
ヒント
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。 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）。
リーダーボードからデプロイ¶
リーダーボードからデプロイを追加するには：
-
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 > デプロイをクリックします。 モデルをデプロイページでは、選択したモデルの新しいデプロイを作成できます。 この例では、モデルはデプロイとデプロイの準備の両方に推奨されます。
備考
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。
-
以下の例のように、モデルのデプロイの準備ができていない場合は、ベストプラクティスとしてデプロイの準備をクリックすることをお勧めします。 DataRobotは特徴量のインパクトを実行し、削減済み特徴量リストでモデルを再トレーニングして、より高いサンプルサイズでトレーニングします。次に、完全なサンプルサイズ（日付/時刻でパーティション分割されたプロジェクトの最新データ）でトレーニングします。
-
二値分類モデルを使用する場合は、続行する前に予測しきい値を設定します。 （リーダーボードに追加された新しいモデルにはデフォルト値0.5が割り当てられます。）
備考
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、その値はプロセス全体で持続しません。 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バッジが適用された後に値を設定します。
-
準備したモデルをデプロイするには、モデルをデプロイをクリックします。
-
デプロイ情報とデプロイを作成を追加します。
モデルレジストリからデプロイする¶
-
モデルレジストリ > モデルパッケージに移動します。
-
デプロイしたいモデルパッケージのアクションメニューからデプロイを選択します。
-
デプロイ情報とデプロイを作成を追加します。
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することができます。 この場合、ページのインターフェイスは異なります。
例を表示をクリックして使用例を生成して表示します。
サンプルコードを使用するときにAPIキー（1）を指定します。 共有インスタンスエンドポイント（3）と同様に、サンプルではプロジェクトIDおよびモデルID（2）を使用できます。 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。 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。