予測¶
DataRobotには、モデルから新しいデータで予測を取得する方法がいくつかあります（スコアリングとも呼ばれます）。 利用可能な方法の概要は以下を参照してください。 予測方法を選択する前に、予測ファイルのサイズ制限を必ず確認してください。
| トピック | 内容... |
|---|---|
| リアルタイム予測 | HTTPに接続し、同期呼び出しでモデルの予測を要求することで、リアルタイム予測を行います。 DataRobotはリクエストを受信すると、すぐに予測結果を含むレスポンスを返します。 |
| バッチ予測 | 1つの非同期予測ジョブで、大規模なデータセットを一括してスコアリングします。 |
| ポータブル予測 | DataRobotアプリケーションの外で、スコアリングコードまたはポータブル予測サーバーを使って予測を実行します。 |
| 外部予測の監視 | 外部データソースとより密接に統合するために、DataRobotは、監視ジョブ定義により、DataRobotの外部で特徴量データと予測を実行および保存しているデプロイを監視できます。 |
予測の概要¶
DataRobotでは、新しいデータで予測を得るための方法が複数用意されています。 これらの方法について詳しく知るためにタブを選択します。
HTTPに接続し、同期呼び出しでモデルの予測を要求することで、リアルタイム予測を行います。 予測は、DataRobotがリクエストを受信してすぐにレスポンスを返した後に行われます。
デプロイの使用¶
リアルタイム予測を行うための最もシンプルな方法は、リーダーボードからモデルをデプロイして、予測APIで予測リクエストをすることです。
モデルをデプロイしたら、デプロイの予測APIタブに移動して、簡単なスコアリングリクエストを行うスクリプトコードを利用・設定することもできます。 デプロイでは、連携スニペットもホストされます。
どちらのバッチ予測方法も、デプロイに由来しています。 モデルをデプロイしたら、そのデプロイにアクセスしてUIからバッチ予測を行ったり、バッチ予測APIを使用したりすることができます。
予測を作成タブの使用¶
デプロイの予測を作成タブに移動し、インターフェイスを使ってバッチ予測ジョブの設定を行います。
バッチ予測APIの使用¶
バッチ予測APIは、既にデプロイ済みの予測サーバーを使って大規模なデータセットをスコアリングする際の入力と出力の柔軟なオプションを提供します。 このAPIはDataRobotパブリックAPIを介して公開されます。 APIはREST対応クライアント、またはDataRobot PythonパブリックAPIバインディングを使用して消費できます。
ポータブル予測では、DataRobotアプリケーションの外で予測ジョブを実行することができます。 ポータブル予測の方法は以下に詳しく説明します。
スコアリングコードを使用¶
DataRobotからスコアリングコードをJavaまたはPythonでエクスポートして予測を作成できます。 スコアリングコードには移植性があるので、任意のコンピューティング環境で実行できます。 この方法は、REST APIのパフォーマンスを完全にサポートできないアプリケーションやネットワークアクセスが十分でない低レイテンシーアプリケーションの場合に便利です。
本機能の提供について
ユーザーがモデルをモデル構築環境から隔離された専用の予測環境にエクスポートできるDataRobotのエクスポート可能なモデルおよび独立予測環境オプションは、マネージドAIプラットフォームデプロイで使用できません。
ポータブル予測サーバーの使用¶
ポータブル予測サーバー（PPS）は、自己完結型のDockerイメージとして配布されるDataRobotモデルパッケージ（.mlpkgファイル）用のDataRobot実行環境です。 1つ以上の実運用モデルをホストすることができます。 モデルは、DataRobotの予測APIを通じて、予測および予測の説明に利用できます。
モデルの削除¶
DataRobotのRuleFitモデルは、高速なPythonまたはJavaのスコアリングコードを生成し、依存関係なしにどこでも実行できます。 作成した予測モデルは、PythonモジュールまたはJavaクラスとしてエクスポートして、エクスポートしたスクリプトを実行することができます。