Machine Learning Studio (クラシック) とはWhat is Machine Learning Studio (classic)?

ヒント

Machine Learning Studio (クラシック) を現在使用しているか評価しているお客様は、Azure Machine Learning デザイナー (プレビュー) をぜひお試しください。これは、ドラッグ アンド ドロップ ML モジュールが備わっているのに 加え、スケーラビリティ、バージョン コントロール、エンタープライズ セキュリティも保証されます。Customers currently using or evaluating Machine Learning Studio (classic) are encouraged to try Azure Machine Learning designer (preview), which provides drag and drop ML modules plus scalability, version control, and enterprise security.

詳細については、「Azure Machine Learning と Machine Learning Studio (classic) の違い」を参照してください。To learn more, see Azure Machine Learning vs Machine Learning Studio (classic).

Microsoft Azure Machine Learning Studio (クラシック) は、データを活用した予測分析ソリューションの構築、テスト、デプロイをドラッグ アンド ドロップで行うことができる、コラボレーションに対応したツールです。Microsoft Azure Machine Learning Studio (classic) is a collaborative, drag-and-drop tool you can use to build, test, and deploy predictive analytics solutions on your data. Azure Machine Learning Studio (クラシック) でモデルを Web サービスとして公開すれば、カスタム アプリや BI ツール (Excel など) からそのモデルを簡単に利用することができます。Azure Machine Learning Studio (classic) publishes models as web services that can easily be consumed by custom apps or BI tools such as Excel.

Machine Learning Studio (クラシック) があれば、最新のデータ サイエンスとクラウド リソースを活用して、独自に所有するデータを使った予測分析を実現することができます。Machine Learning Studio (classic) is where data science, predictive analytics, cloud resources, and your data meet.

Machine Learning Studio (クラシック) 対話型ワークスペースThe Machine Learning Studio (classic) interactive workspace

注意

Notebooks (プレビュー) 機能は、"2020 年 4 月 13 日" に削除されました。The Notebooks (preview) feature was removed on April 13 2020. Notebooks のタブとユーザー ノートブック ファイルの削除は、現在、世界中の Azure リージョンにロールアウトされています。The removal of the Notebooks tab and user notebook files is currently rolling out to Azure regions worldwide.

一般的な予測分析モデルの作成では、1 種類以上のソースからデータを入手し、さまざまなデータ操作と統計関数を使用してデータを変換および分析することにより、一連の結果を生成します。To develop a predictive analysis model, you typically use data from one or more sources, transform, and analyze that data through various data manipulation and statistical functions, and generate a set of results. このようなモデルの作成プロセスは対話型プロセスになります。Developing a model like this is an iterative process. 十分にトレーニングされた有効なモデルが作成されるまで、さまざまな特徴とパラメーターを繰り返し調整します。As you modify the various functions and their parameters, your results converge until you are satisfied that you have a trained, effective model.

Azure Machine Learning Studio (クラシック) では、予測分析モデルの作成、テスト、反復作業を支援する、視覚的操作に対応した対話型ワークスペースが提供されます。Azure Machine Learning Studio (classic) gives you an interactive, visual workspace to easily build, test, and iterate on a predictive analysis model. "データセット" と分析 "モジュール" を対話型のキャンバスにドラッグ アンド ドロップし、それらを相互に接続して "実験" を完成させ、Machine Learning Studio (クラシック) で実行できます。You drag-and-drop datasets and analysis modules onto an interactive canvas, connecting them together to form an experiment, which you run in Machine Learning Studio (classic). モデルのさまざまな設計を試す際は、実験を編集して必要に応じて保存し、再度実行できます。To iterate on your model design, you edit the experiment, save a copy if desired, and run it again. 準備が整ったら、"トレーニング実験" を "予測実験" に変換します。さらに、"Web サービス" として発行し、第三者が利用できるようにそのモデルを公開します。When you're ready, you can convert your training experiment to a predictive experiment, and then publish it as a web service so that your model can be accessed by others.

データセットとモジュールを視覚的に接続すれば予測分析モデルが完成するため、プログラミングは必要ありません。There is no programming required, visually connect datasets and modules to construct your predictive analysis model.

Azure Machine Learning Studio (クラシック) の図: 実験の作成、各種ソースのデータの読み取り、スコア付けされたデータの書き込み、モデルの書き込み

Machine Learning Studio (クラシック) の概要図をダウンロードするDownload the Machine Learning Studio (classic) overview diagram

Microsoft Azure Machine Learning Studio (クラシック) 機能の概要図をダウンロードして、Machine Learning Studio (クラシック) の機能の概要を確認します。Download the Microsoft Azure Machine Learning Studio (classic) Capabilities Overview diagram and get a high-level view of the capabilities of Machine Learning Studio (classic). 図をタブロイド サイズ (11 x 17 インチ) で印刷し、手元に置いておくことができます。To keep it nearby, you can print the diagram in tabloid size (11 x 17 in.).

ここから図をダウンロード:Microsoft Azure Machine Learning Studio (クラシック) の機能の概要 Microsoft Azure Machine Learning Studio (クラシック) の機能の概要Download the diagram here: Microsoft Azure Machine Learning Studio (classic) Capabilities Overview Microsoft Azure Machine Learning Studio (classic) Capabilities Overview

Studio (クラシック) 実験のコンポーネントComponents of a Studio (classic) experiment

実験にはデータセットが含まれます。データセットからデータが分析モジュールに提供され、分析モジュールを接続することで予測分析モデルが完成します。An experiment consists of datasets that provide data to analytical modules, which you connect together to construct a predictive analysis model. 有効な実験に求められる具体的な条件を以下に示します。Specifically, a valid experiment has these characteristics:

  • 実験には少なくとも 1 つのデータセットと 1 つのモジュールがある。The experiment has at least one dataset and one module
  • データセットはモジュールにのみ接続できる。Datasets may be connected only to modules
  • モジュールはデータセットにも別のモジュールにも接続できる。Modules may be connected to either datasets or other modules
  • モジュールのすべての入力ポートが、何らかの形でデータ フローに接続されている。All input ports for modules must have some connection to the data flow
  • モジュールの必須パラメーターがすべて設定されている。All required parameters for each module must be set

実験を最初から作成するか、既にあるサンプル実験をテンプレートとして使用してください。You can create an experiment from scratch, or you can use an existing sample experiment as a template. 詳細については、「サンプル実験をコピーして新しい機械学習実験を作成する」を参照してください。For more information, see Copy example experiments to create new machine learning experiments.

実験の作成例については、Azure Machine Learning Studio (クラシック) での簡単な実験の作成に関するページを参照してください。For an example of creating an experiment, see Create a simple experiment in Azure Machine Learning Studio (classic).

予測分析ソリューションのより詳しいチュートリアルについては、Azure Machine Learning Studio (クラシック) を使用した予測ソリューションの開発に関するページを参照してください。For a more complete walkthrough of creating a predictive analytics solution, see Develop a predictive solution with Azure Machine Learning Studio (classic).

データセットDatasets

データセットを Machine Learning Studio (クラシック) にアップロードすることで、これらのデータセットをモデル作成プロセスで使用できるようになります。A dataset is data that has been uploaded to Machine Learning Studio (classic) so that it can be used in the modeling process. Machine Learning Studio (クラシック) には数多くのサンプル データセットが既に含まれているため、これらを実験で試すことができます。また、必要に応じてさらにデータセットをアップロードできます。A number of sample datasets are included with Machine Learning Studio (classic) for you to experiment with, and you can upload more datasets as you need them. 提供されるデータセットには以下のようなものがあります。Here are some examples of included datasets:

  • さまざまな自動車の燃費データ - シリンダー数や馬力などによって分類された、自動車の燃費値 (MPG) です。MPG data for various automobiles - Miles per gallon (MPG) values for automobiles identified by number of cylinders, horsepower, etc.
  • 乳がんデータ - 乳がんの診断データです。Breast cancer data - Breast cancer diagnosis data.
  • 森林火災データ - ポルトガル北東地域を対象とする森林火災の規模データです。Forest fires data - Forest fire sizes in northeast Portugal.

利用可能なデータセットは、実験を作成するときにキャンバスの左側の一覧から選択できます。As you build an experiment, you can choose from the list of datasets available to the left of the canvas.

Machine Learning Studio (クラシック) に含まれている一連のサンプル データセットについては、Azure Machine Learning Studio (クラシック) でのサンプル データセットの使用に関するページを参照してください。For a list of sample datasets included in Machine Learning Studio (classic), see Use the sample data sets in Azure Machine Learning Studio (classic).

モジュールModules

モジュールとは、データに対して実行できるアルゴリズムのことです。A module is an algorithm that you can perform on your data. Azure Machine Learning Studio (クラシック) には、データのイングレス機能からトレーニング、スコア付け、および検証プロセスに至るまでのさまざまなモジュールが用意されています。Azure Machine Learning Studio (classic) has a number of modules ranging from data ingress functions to training, scoring, and validation processes. 提供されるモジュールには以下のようなものがあります。Here are some examples of included modules:

  • ARFF への変換 - .NET のシリアル化されたデータセットを属性関係ファイル形式 (ARFF) に変換します。Convert to ARFF - Converts a .NET serialized dataset to Attribute-Relation File Format (ARFF).
  • 基本統計値の計算 - 平均や標準偏差などの基本的な統計値を計算します。Compute Elementary Statistics - Calculates elementary statistics such as mean, standard deviation, etc.
  • 線形回帰 - オンライン傾斜降下に基づく線形回帰モデルを作成します。Linear Regression - Creates an online gradient descent-based linear regression model.
  • モデルのスコア付け - トレーニングされた分類または回帰モデルをスコア付けします。Score Model - Scores a trained classification or regression model.

利用可能なモジュールは、実験を作成するときにキャンバスの左側の一覧から選択できます。As you build an experiment, you can choose from the list of modules available to the left of the canvas.

モジュールに一連のパラメーターが含まれている場合、これらを使用してモジュールの内部アルゴリズムを構成することができます。A module may have a set of parameters that you can use to configure the module's internal algorithms. モジュールのパラメーターは、キャンバスでモジュールを選択するとキャンバス右側の [プロパティ] ウィンドウに表示されます。When you select a module on the canvas, the module's parameters are displayed in the Properties pane to the right of the canvas. このウィンドウでパラメーターを変更することにより、モデルを微調整できます。You can modify the parameters in that pane to tune your model.

大規模な機械学習アルゴリズムのライブラリを利用する際のヒントについては、Microsoft Azure Machine Learning Studio (クラシック) のアルゴリズムの選択方法に関する記事を参照してください。For some help navigating through the large library of machine learning algorithms available, see How to choose algorithms for Microsoft Azure Machine Learning Studio (classic).

予測分析 Web サービスのデプロイDeploying a predictive analytics web service

予測分析モデルの準備が整ったら、それを Machine Learning Studio (クラシック) から Web サービスとしてデプロイすることができます。Once your predictive analytics model is ready, you can deploy it as a web service right from Machine Learning Studio (classic). このプロセスの詳細については、「Azure Machine Learning Web サービスをデプロイする」を参照してください。For more information on this process, see Deploy an Azure Machine Learning web service.

次のステップNext steps

ステップ バイ ステップ クイック スタートを使用し、サンプル上に構築することによって、予測分析と機械学習の基礎について学習できます。You can learn the basics of predictive analytics and machine learning using a step-by-step quickstart and by building on samples.