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 > MLOpsプレビュー機能 > 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

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。

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アセンブルする際に、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。
更新しました April 2, 2024