# 外部モデルの登録

> 外部モデルの登録 - NextGenレジストリに外部モデルを追加します。

This Markdown file sits beside the HTML page at the same path (with a `.md` suffix). It summarizes the topic and lists links for tools and LLM context.

Companion generated at `2026-07-23T18:01:59.878726+00:00` (UTC).

## Primary page

- [外部モデルの登録](https://docs.datarobot.com/ja/docs/workbench/nxt-registry/nxt-model-directory/nxt-register-ext-models.html.md): Full documentation for this topic (Markdown sidecar).

## Documentation content

[監視エージェント](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/mlops-agent/index.html.md) が監視する外部モデルを登録するには、レジストリから外部モデルを登録モデルまたはバージョンとして追加します。

1. In theRegistry, on theModelstab, click+ Register a model(or thebutton when the registered model or version info panel is open): モデルの登録パネルが開き、外部モデルタブが表示されます。
2. 外部モデルタブのモデルを設定で、次のいずれかのオプションを選択します。 既存の登録モデルにバージョンを追加新しい登録モデルを作成バージョン番号をインクリメントし、選択した登録モデルに新しいバージョンを追加します。フィールド説明ターゲットモデルが予測するデータセットの列名。ターゲットタイプモデルが行っている予測のタイプ。 予測タイプに応じて、追加の設定を構成する必要があります。連続値：追加設定なし。二値：二値分類モデルの場合は、PositiveクラスとNegativeクラスのラベル、および予測しきい値を入力します。多クラス：多クラス分類モデルでは、ターゲットのターゲットクラスを1行に1クラスずつ入力またはアップロード（.csv、.txt）します。 クラスがモデルの予測に正しく適用されるように、クラスの順序は、モデルが予測したクラスの確率と同じである必要があります。多ラベル：多ラベルモデルでは、ターゲットのターゲットラベルを1行に1ラベルずつ入力またはアップロード（.csv、.txt）します。 ラベルがモデルの予測に正しく適用されるように、ラベルの順序は、モデルが予測したラベルの確率と同じである必要がありますテキスト生成：プレミアム機能。 追加設定なし。 詳細については、生成モデルでの監視サポートを参照してください。位置：プレミアム機能。 追加設定なし。 詳細については、デプロイの地理空間監視を有効にするを参照してください。エージェントのワークフロー：プレミアム機能。 追加設定なし。 エージェントのワークフローは、サーバーレス予測環境でのみデプロイできます。 エージェントワークフローのデプロイでは、サービスの正常性、使用状況、カスタム指標、およびデータ探索の監視をサポートしています。 また、デプロイレポートの生成もサポートしています。MCPサーバー：プレミアム機能。 追加設定なし。 MCPサーバーは、DataRobot APIをエージェントが利用できるツールとして公開するためのツールです。構築環境モデルの構築に使用されるプログラミング言語。登録済みのモデル既存のモデルのバージョンとして保存する場合、新しい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。登録バージョンの名前モデル名、日付、時刻が自動的に入力されます。 必要に応じて名前を変更または修正します。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。新しいモデルとして登録を選択すると、これは常にV1になります。登録モデルと最初のバージョン（V1）を作成します。フィールド説明登録モデルの名前新しいモデルを登録する場合、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、警告が表示されます。登録バージョンの名前モデル名、日付、時刻が自動的に入力されます。 必要に応じて名前を変更または修正します。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。新しいモデルとして登録を選択すると、これは常にV1になります。ターゲットモデルが予測するデータセットの列名。ターゲットタイプモデルが行っている予測のタイプ。 予測タイプに応じて、追加の設定を構成する必要があります。連続値：追加設定なし。二値：二値分類モデルの場合は、PositiveクラスとNegativeクラスのラベル、および予測しきい値を入力します。多クラス：多クラス分類モデルでは、ターゲットのターゲットクラスを1行に1クラスずつ入力またはアップロード（.csv、.txt）します。 クラスがモデルの予測に正しく適用されるように、クラスの順序は、モデルが予測したクラスの確率と同じである必要があります。多ラベル：多ラベルモデルでは、ターゲットのターゲットラベルを1行に1ラベルずつ入力またはアップロード（.csv、.txt）します。 ラベルがモデルの予測に正しく適用されるように、ラベルの順序は、モデルが予測したラベルの確率と同じである必要がありますテキスト生成：プレミアム機能。 追加設定なし。 詳細については、生成モデルでの監視サポートを参照してください。位置：プレミアム機能。 追加設定なし。 詳細については、デプロイの地理空間監視を有効にするを参照してください。エージェントのワークフロー：プレミアム機能。 追加設定なし。 エージェントのワークフローは、サーバーレス予測環境でのみデプロイできます。 エージェントワークフローのデプロイでは、サービスの正常性、使用状況、カスタム指標、およびデータ探索の監視をサポートしています。 また、デプロイレポートの生成もサポートしています。MCPサーバー：プレミアム機能。 追加設定なし。 MCPサーバーは、DataRobot APIをエージェントが利用できるツールとして公開するためのツールです。構築環境モデルの構築に使用されるプログラミング言語。
3. 時系列モデルを登録する場合は、時系列モデルにチェックを入れてください。追加フィールドに入力する必要があります。 フィールド説明順序付け特徴量予測ポイントとして使用できる日付の範囲（有効な予測範囲）を検出するためにDataRobotが使用する日付/時刻値を含むトレーニングデータセット内の列を入力します。日付/時刻形式GNU Cライブラリ形式での、モデルの予測日および予測ポイント機能の形式を選択します。 例：%Y-%m-%dT%H:%M:%SZ (2012-07-31T04:00:00.000000Z)予測ポイントの特徴量予測が行われるポイントを含むトレーニングデータセット内の列を入力します。予測単位時間ステップの時間単位（秒、日、月など）を選択します。予測距離の特徴量予測ウィンドウ内の一意の時間ステップ（相対位置）を含むトレーニングデータセット内の列を入力します。 時系列モデルは、予測距離ごとに1つの行を出力します。系列識別子（オプション）複数系列モデルでは、各行が属する系列を識別するトレーニングデータセット内の列を入力します。
4. 必要に応じて、次のオプション設定を行うことができます。 フィールド説明登録バージョンの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、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+ タグを追加をクリックし、モデルのバージョンにタグ付けするキーと値のペアごとに、キーと値を入力します。 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。トレーニングデータローカルまたはデータレジストリを介してアップロードされたトレーニングデータ。ホールドアウトデータローカルまたはデータレジストリを介してアップロードされたホールドアウトデータ。 ホールドアウトデータを使用して、精度ベースラインを設定し、ターゲットドリフトモデルとチャレンジャーモデルのサポートを有効にします。予測列ホールドアウトデータをアップロードした場合、予測結果を含むホールドアウトデータセットの列名を入力します。モデルの場所DataRobotの外部で実行しているモデルの場所。 folder1/opt/model.tarなどのファイルパスの形式で場所を入力します。
5. すべての必須フィールドを設定したら、モデルの登録をクリックします。 モデルのバージョンが、レジストリ > モデルタブで開きます。モデルのデプロイはいつでもできます。

**Q: ホールドアウトデータを提供するのはなぜですか？**

（デプロイ時にターゲットドリフトおよびチャレンジャーモデルを有効にする）外部モデルの 精度ベースライン を設定するには、ホールドアウトデータを提供する必要があります。 モデルはアプリケーション外のリモート予測環境でホストされるため、DataRobotはモデルを使用しても、通常はベースラインとして機能する予測を生成することができません。 外部モデルパッケージを登録するときにホールドアウトデータを提供し、予測を含む列を指定します。