構成方式の選択

構造化データ・モデルの場合、ガイド付きステップに従うか、ノートブックを実行して、アップロードできる構成パッケージを生成することにより、モデルの詳細を指定する必要があります。 選択したデプロイメントにスコアリング・エンドポイントがない場合は、構成パッケージをアップロードする必要があります。

サンプル・トランザクションの提供

画像モデルと非構造化テキストモデルの場合、トレーニングデータは必要なく、モデルの出力と入力を指定するサンプルトランザクションを手動で提供する必要があります。

学習データの指定

配置を追加するときにトレーニング データの詳細が検出されない場合は、トレーニング データを指定する CSV ファイルをアップロードするか、データベースまたはクラウド ストレージに保存されているトレーニング データに接続できます。 トレーニング・データに接続するには、ロケーションを選択し、接続の詳細を指定する必要があります。 配置を追加するときにトレーニング データの詳細が検出されると、データベースまたはクラウド ストレージオプションが事前に選択され、場所と接続の詳細が指定されます。

フィーチャーを選択し、列にラベルを付けます

トレーニングデータで使用可能な列のリストが表示されたら、モデルのトレーニングに使用したフィーチャーを選択し、各レコードの予想クラスラベルまたは正確なクラスラベルを含む列をLabel/Target列として指定する必要があります。 特徴列とラベル列を選択した後、トレーニング データを使用して自動的にデプロイメントにスコアリング リクエストが送信され、モデルの出力とデプロイメントのステータスが検証されます。

モデル出力の選択

予測列と予測確率列を選択します。 予測列には、デプロイメントによって生成された予測が含まれ、予測確率列には、予測におけるモデルの確信度が含まれます。 期待されるカラムは、モデルのデプロイメントから識別されたメタデータに基づいて事前に選択されるかもしれません。 これらの選択を変更することができます。 予測列のデータ・タイプは、ラベル列のデータ・タイプと一致する必要があります。 データ型が一致しないと、モデルの評価が正しく機能しない可能性があります。

親トピック: モデル評価の準備