モデルのスコア付け

トレーニング済みの分類または回帰モデルの予測をスコア付けします

カテゴリ: Machine Learning/スコア

注意

適用対象: Machine Learning Studio (クラシック)

このコンテンツは、Studio (クラシック) のみに関連しています。 Azure Machine Learning デザイナーに同様のドラッグアンドドロップモジュールが追加されました。 この記事では、2つのバージョンの比較について詳しく説明します。

モジュールの概要

この記事では、Azure Machine Learning Studio (クラシック) で モデルのスコア 付けモジュールを使用して、トレーニング済みの分類または回帰モデルを使用して予測を生成する方法について説明します。

モデルのスコア付けを使用する方法

  1. 実験に モデルのスコア 付けモジュールを Studio (クラシック) で追加します。

  2. トレーニング済みモデルと新しい入力データを含むデータセットを接続します。

    データは、使用するトレーニング済みモデルの種類と互換性のある形式でなければなりません。 また、一般に、入力データセットのスキーマはモデルのトレーニングに使用されたデータのスキーマと一致している必要があります。

  3. 実験を実行します。

結果

モデルのスコア付けを使用してスコアのセットを生成したら、次の操作を実行します。

  • モデルの精度 (パフォーマンス) を評価するために使用される一連のメトリックを生成するために、 スコア付けされたデータセットをモデルの評価に接続できます。
  • モジュールを右クリックし、[ 視覚化 ] を選択すると、結果のサンプルが表示されます。
  • データセットに結果を保存します。

スコア (予測値) は、モデルと入力データに応じて、さまざまな形式になります。

  • 分類モデルの場合、モデルのスコア付けは、クラスの予測値および予測値の確率を出力します。
  • 回帰モデルの場合、モデルのスコア付けは予測される数値のみを生成します。
  • 画像分類モデルの場合、スコアは画像内のオブジェクトのクラス、または特定の特徴が検出されたかどうかを示すブール値です。

Web サービスとしてスコアを公開する

スコア付けの一般的な用途は、予測 Web サービスの一部として出力を返すことです。 詳細については、Azure ML Studio (クラシック) の実験に基づいて web サービスを作成する方法に関するこのチュートリアルを参照してください。

実験用ワークフローでの スコアモデル の使用方法の例については、 Azure AI Galleryを参照してください。

テクニカル ノート

モデルのスコア付けはサポートされていません

次のような特定の種類のモデルのいずれかを使用する場合は、これらのカスタム スコアリング モジュールのいずれかの使用が必要になる場合があります。

使用上のヒント

スコア付けしているデータに欠損値が含まれていると、多くの場合、行全体にスコアがまったく生成されません。

次の機械学習モデルでは、データに欠損値がないことが前提となります。 次の機械学習モデルを使用する場合は、 モデルをスコア付けする前にデータを確認し、[ 欠損データのクリーニング ] を使用して入力列の欠損値を修正します。

想定される入力

名前 Type 説明
トレーニングされたモデル ILearner インターフェイス トレーニング済み予測モデル
データセット データ テーブル 入力テスト データセット

出力

名前 Type 説明
スコア付けされたデータセット データ テーブル 取得したスコアを含むデータセット

例外

例外 説明
エラー 0032 引数が数値ではない場合、例外が発生します。
エラー 0033 引数が無限である場合、例外が発生します。
エラー 0003 1 つまたは複数の入力が null または空の場合、例外が発生します。
エラー 0013 モジュールに無効な型の学習器が渡された場合に、例外が発生します。

関連項目

ぜひ
モデルのトレーニング
マッチボックス レコメンダーのスコアリング