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。

デプロイ設定

設定タブを使用してデプロイを追加し、監視、通知、およびチャレンジャー動作を設定できます。

データタブの使用

データタブで学習データ、推論データ、および出力データをデプロイに追加できます(デプロイの作成時にこれらのデータを提供しなかった場合)。 データおよび情報を追加すると、多くのデプロイ機能を有効にすることができます。 このタブは、新しいデプロイを追加するときに使用するインターフェイスと同じです。

データタブのフィールドの情報を編集した場合、変更を保存をクリックしてください。

備考

デプロイに追加したデータは後で変更できません。

「モデル」セクション

モデルセクションには、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 モデルの名前。
ターゲット モデルが予測するデータセットの列名。
予測タイプ モデルで作成する予測のタイプ(連続値、分類、多クラス、異常検知、クラスタリングなど)。

[公平性]セクション

公平性セクションを使用すると、デプロイのバイアスと公平性設定を定義して、モデルの予測動作のバイアスを特定できます。 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に関するセクションを参照してください。

フィールド 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データセット列はカテゴリー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。
好ましいターゲット結果 ターゲットと比較して保護クラスに有利と認識する結果値。
公平性のしきい値 公平さのしきい値は、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するのに役立ちます。

[推論]セクション

この推論セクションには、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。

フィールド 説明
推論データ デプロイを作成すると、DataRobotにデプロイの推論データが保存されます。 これは、個別のアップロードすることはできません。
予測のタイムスタンプ 予測行にタイムスタンプを付ける方法を決定します。 タイムスタンプを決定するには、予測リクエストの時刻を使用するか、予測データで提供される日付/時刻特徴量(予測日など)を使用します。 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。 これにより、トレーニングデータとデータドリフトおよび精度統計の基準との間で共通の時間軸を使用できます。 デプロイを作成して予測を行った後にこの設定を変更することはできません。
予測環境 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。
関連付けID モデルの予測データセットの関連付けIDを含む列名。 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。 関連性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。 デプロイを作成ボタンは関連IDに入力するか、このトグルを無効にするまで非アクティブとなります。
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。
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。
チャレンジャー分析で予測行ごとの履歴保存を有効にする 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。
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 有効にすると、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ます。

データドリフト追跡

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。

DataRobotでのドリフトの追跡方法

データドリフトの場合、DataRobotは以下を追跡します。

  • 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。 ターゲットドリフトの計算には実測値データが必要です。 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。 特徴量分布の比較の基準として、DataRobotでは以下を使用します。

    • 500MBを超えるトレーニングデータセットでは、トレーニングデータのランダムサンプルの分布。
    • 500MB未満のトレーニングデータセットでは、トレーニングデータの100%の分布。

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で結果を表示します。 たとえば、監視する必要のない機密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。

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)。

チャレンジャー分析用の予測行ごとの履歴保存

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。

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。

次のいずれかの方法を使用して、予測リクエスト行の収集を有効にします。

  • デプロイの設定 > データタブ(推論ヘッダーの下)
  • デプロイ作成

チャレンジャー分析で予測行ごとの履歴保存を有効にするをオンにします。 デプロイを作成する際、このトグルは推論データセクションの下に表示されます。

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。

備考

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)。

[学習]セクション

学習セクションには、デプロイの学習(トレーニング)データ(モデルのトレーニングおよび構築に使用されるデータ)に関する詳細が表示されます。 同様に学習セクションに、再トレーニングデータをアップロードします。

[実測値]セクション

実測値セクションを使用して実測値のファイルをアップロードし、モデルの予測値と実測値を照合することにより精度を監視します。 実測値は、精度タブを有効にするために必要です。 このセクション固有の情報については、精度のセットアップに関するドキュメントを参照してください。

時系列デプロイの予測間隔の設定

時系列のユーザーは、デプロイ済みのモデルの予測応答に予測間隔を追加できます。 このオプションを有効にすると、デプロイに関連付けられた予測呼び出しの応答に予測間隔が追加されます。

予測間隔を有効にするには、設定 > 予測間隔タブに移動します。

予測間隔を有効化をオンにして間隔を選択します(予測間隔の詳細については、ここを参照してください)。

間隔を設定した後、デプロイURL(または予測APIタブのスニペット)からIDをコピーして、デプロイがデータベースに設定されたことを確認し、IDをデプロイ予測スクリプトに追加できます。 You can compare the results from your API output with prediction preview in the UI to verify results.

APIから予測間隔を操作する方法の詳細については、DataRobotにサインインし、右上のクエスチョンマークをクリックし、APIドキュメントを選択し、APIドキュメントにアクセスします。 APIドキュメントで、時系列プロジェクト > 予測間隔を選択します。


更新しました December 21, 2022
Back to top