多層パーセプトロン (MLP) 回帰は、非線形回帰の問題を解決するために使用できるニューラルネットワークベースの回帰アルゴリズムです。 MLP回帰は、複数の隠れレイヤーを使用して入力フィーチャを出力にマッピングし、複雑なパターンと関係をキャプチャできます。 MLP Regression (Infer) コンポーネントを使用して、推論フェーズでトレーニング済みモデルを使用して新しいデータの予測を行うことができます。 この推論プロセスは、モデルロード、新しいデータ前処理、前方伝播に基づく計算、および最終予測結果の取得を含む。
サポートされるコンピューティングリソース
入力と出力
入力ポート
入力ポートは、入力データおよび入力モデルを含む。
入力データ
[ファイルデータの読み取り] コンポーネントを使用して、Object Storage Service (OSS) パスから推論データファイルを読み取ることができます。
MLP回帰 (Infer) コンポーネントのInfer Data Oss pathパラメーターを設定して、推論データファイルを選択できます。
入力モデル
[ファイルデータの読み取り] コンポーネントを使用して、OSSパスからモデルファイルを読み取ることができます。
MLP回帰 (トレーニング) コンポーネントによって生成されたモデルファイルを読み取ることができます。
出力ポート
あなたは保存することができます。csv結果ファイルを、MLP回帰 (Infer) コンポーネントのOutput Model Oss Dirパラメーターで指定されたパスに設定します。
次の表に、コンポーネントのパラメーターを示します。
コンポーネントの設定
Machine Learning Designerのパイプラインの詳細ページで、MLP Regression (Infer) コンポーネントをパイプラインに追加し、次の表に示すパラメーターを設定します。
タブ | パラメーター | 必須 | 説明 | デフォルト値 | |
フィールド設定 | Infer Data Ossパス | No | アップストリームOSSデータが出荷されていない場合は、推論データファイルを選択する必要があります。 例: test_features.csv. 選択するcsvファイルは数値フィーチャファイルである必要があり、ヘッダーを含めることはできません。 ファイルストア機能のすべての列。 | なし | |
出力ファイルOss Dir | Yes | モデルの推論結果を保存するために使用できるOSSパス。 結果ファイルはaです。csvファイル。 OSSパスを選択し、トレーニング済みモデルをカスタムに保存できます。選択したパスのcsvファイル。 | なし | ||
事前トレーニング済みモデルOssパス | No | 事前トレーニング済みモデルのパス。 このパラメーターを空のままにすると、事前トレーニング済みモデルは読み込まれません。 | なし | ||
Parameter Settings | MLPレイヤーNum | Yes | 出力レイヤーを除くMLPレイヤーの数。 | 3 | |
隠しレイヤーのサイズ一覧 | Yes | 各隠れレイヤーの出力チャンネル数。 複数の数値はコンマ (,) で区切ります。 単一の番号を入力した場合、その番号はすべての非表示レイヤーの出力チャンネル数として使用されます。 | 64,32,16 | ||
ドロップアウト率のリスト | Yes | 各ドロップアウトレイヤーのドロップアウト率。 ドロップアウト率はコンマ (,) で区切ります。 ドロップアウト率を1つ入力した場合、ドロップアウト率はすべてのドロップアウト層のドロップアウト率として使用されます。 | 0.5 | ||
実行チューニング | リソースグループの選択 | パブリックリソースグループ | No | 使用するインスタンスタイプ (CPUまたはGPU) と仮想プライベートクラウド (VPC) 。 | なし |
専用リソースグループ | No | 使用するCPUコア、メモリ、共有メモリの数、およびGPUの数。 | なし | ||
最大実行時間 (秒) | No | コンポーネントを実行できる最大期間。 指定した時間を超えた場合は, ジョブを終了します。 | なし | ||