Machine Learning Designer は、結果をリアルタイムで生成する必要がないシナリオ向けのバッチ予測をサポートしています。例えば、大規模なデータセットに対して夜間にスコアリングジョブを実行する場合、トレーニング前にデータセットを前処理する場合、または週次のレコメンデーションリストを生成する場合などです。
バッチ予測を使用する場合
バッチ予測は、以下のような場合に適しています。
-
同期レスポンスを待つことなく、大規模なデータセットをスコアリングする
-
スケジュールに従って推論を実行する (日次、週次、またはデータ更新によってトリガーされる)
-
永続的なオンラインエンドポイントが不要な場合に予測を生成する
前提条件
開始する前に、以下を確認してください:
-
Machine Learning Designer ワークスペースがあること
-
学習済みモデル (OfflineModel またはペアコンポーネントを使用して学習されたモデル) があること
-
(定期スケジューリングの場合) 適切な権限を持つ DataWorks ワークスペースがあること
開発環境でのバッチ予測の実行
Designer は、さまざまなアルゴリズムとシナリオに対応する予測コンポーネントを提供しています。これらのコンポーネントをキャンバスに直接ドラッグアンドドロップできます。
予測アプローチの選択
| アプローチ | 使用する場合 | 制限事項 |
|---|---|---|
| トレーニングコンポーネントと予測コンポーネントのペア | アルゴリズムに専用の予測コンポーネントがある場合 (例: FM アルゴリズム) | — |
| 汎用予測コンポーネント | アルゴリズムに専用の予測コンポーネントが利用できない場合 | OfflineModel モデルのみをサポートします。予測モデルマークアップ言語 (PMML) モデルはサポートされません。 |
| 既存モデルのインポート | 事前に学習済みのモデルが既に利用可能な場合 | — |
ペアのトレーニングコンポーネントと予測コンポーネント
ペアコンポーネントを持つアルゴリズム (FM アルゴリズムなど) の場合、トレーニングコンポーネントと予測コンポーネントの両方が左側メニューに並んで表示されます。まずモデルをトレーニングし、次に予測コンポーネントをダウンストリームノードとして接続します。
汎用予測コンポーネント
アルゴリズムに専用の予測コンポーネントがない場合は、モデルのトレーニング後に汎用予測コンポーネントを使用します。
汎用予測コンポーネントは、OfflineModel モデルのみをサポートします。予測モデルマークアップ言語 (PMML) モデルはサポートされません。
既存モデルのインポート
事前に学習済みのモデルを使用するには、モデルインポートコンポーネントを使用してインポートし、予測コンポーネントをダウンストリームノードとして接続します。このアプローチは、予測とデプロイのワークフローもサポートします。
バッチ予測パイプラインのスケジューリング
バッチ予測パイプラインのテストに合格したら、定期スケジューリングのために DataWorks に送信します。
ステップ 1: モデルを本番環境に同期する (標準モードのみ)
このステップは、ワークスペースが DataWorks 標準モード の場合にのみ必要です。標準モードでは、開発環境と本番環境が MaxCompute データを個別に管理しているため、スケジューリングの前に、学習済みのオフラインモデルを本番環境に同期する必要があります。
2 つの方法があります:
方法 1: [Model Export] コンポーネントと [Import MaxCompute Offline Model] コンポーネント (推奨)
-
[Model Export] コンポーネントを使用して、学習済みの OfflineModel モデルを Object Storage Service (OSS) にエクスポートします。
-
定期実行されるパイプラインで、[Import MaxCompute Offline Model] コンポーネントを使用して、OSS からモデルをインポートします。
方法 2: [Copy MaxCompute Offline Model] コンポーネントと [Read MaxCompute Offline Model] コンポーネント
-
[Copy MaxCompute Offline Model] コンポーネントを使用して、学習済みの OfflineModel モデルを本番環境に複製します。
説明複製操作は、ワークスペース管理者アカウントまたは本番アカウントを使用して実行する必要があります。詳細については、「権限」をご参照ください。
-
定期実行されるパイプラインで、[Read MaxCompute Offline Model] コンポーネントを使用して、本番環境からモデルを読み取ります。
ステップ 2: DataWorks を使用してパイプラインをスケジュールする
DataWorks タスクを使用して Machine Learning Designer のパイプラインをスケジュールします。
次のステップ
オフライン予測の結果が期待に沿うものであれば、モデルまたはパイプラインをオンラインサービスとしてデプロイします。