Jobs - Create Or Update

Service:

Machine Learning

API Version:

2024-04-01

ジョブを作成して実行します。 更新ケースの場合、渡された定義のタグは、既存のジョブのタグに置き換えられます。

PUT https://management.azure.com/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.MachineLearningServices/workspaces/{workspaceName}/jobs/{id}?api-version=2024-04-01

URI パラメーター

名前	/	必須	型	説明
id	path	True	string	ジョブの名前と識別子。 これは大文字小文字を区別します。 Regex pattern: ^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$
resourceGroupName	path	True	string	リソース グループの名前。 名前の大文字と小文字は区別されます。
subscriptionId	path	True	string	ターゲット サブスクリプションの ID。
workspaceName	path	True	string	Azure Machine Learning ワークスペースの名前。 Regex pattern: ^[a-zA-Z0-9][a-zA-Z0-9_-]{2,32}$
api-version	query	True	string	この操作に使用する API バージョン。

要求本文

名前	必須	型	説明
properties	True	JobBase: AutoMLJob CommandJob PipelineJob SparkJob SweepJob	[必須]エンティティの追加の属性。

応答

名前	型	説明
200 OK	JobBaseResource	Createまたは更新要求が成功しました。
201 Created	JobBaseResource	作成済み
Other Status Codes	ErrorResponse	エラー

例

CreateOrUpdate AutoML Job.

CreateOrUpdate Command Job.

CreateOrUpdate Pipeline Job.

CreateOrUpdate Sweep Job.

CreateOrUpdate AutoML Job.

Sample Request

HTTP

PUT https://management.azure.com/subscriptions/00000000-1111-2222-3333-444444444444/resourceGroups/test-rg/providers/Microsoft.MachineLearningServices/workspaces/my-aml-workspace/jobs/string?api-version=2024-04-01

{
  "properties": {
    "description": "string",
    "tags": {
      "string": "string"
    },
    "properties": {
      "string": "string"
    },
    "displayName": "string",
    "experimentName": "string",
    "services": {
      "string": {
        "jobServiceType": "string",
        "port": 1,
        "endpoint": "string",
        "properties": {
          "string": "string"
        }
      }
    },
    "computeId": "string",
    "isArchived": false,
    "identity": {
      "identityType": "AMLToken"
    },
    "jobType": "AutoML",
    "resources": {
      "instanceCount": 1,
      "instanceType": "string",
      "properties": {
        "string": {
          "9bec0ab0-c62f-4fa9-a97c-7b24bbcc90ad": null
        }
      }
    },
    "environmentId": "string",
    "environmentVariables": {
      "string": "string"
    },
    "taskDetails": {
      "taskType": "ImageClassification",
      "limitSettings": {
        "maxTrials": 2
      },
      "targetColumnName": "string",
      "trainingData": {
        "jobInputType": "mltable",
        "uri": "string"
      },
      "modelSettings": {
        "validationCropSize": 2
      },
      "searchSpace": [
        {
          "validationCropSize": "choice(2, 360)"
        }
      ]
    },
    "outputs": {
      "string": {
        "description": "string",
        "uri": "string",
        "mode": "ReadWriteMount",
        "jobOutputType": "uri_file"
      }
    }
  }
}

Sample Response

Status code:

200

{
  "id": "string",
  "name": "string",
  "type": "string",
  "properties": {
    "description": "string",
    "tags": {
      "string": "string"
    },
    "properties": {
      "string": "string"
    },
    "displayName": "string",
    "status": "Scheduled",
    "experimentName": "string",
    "services": {
      "string": {
        "jobServiceType": "string",
        "port": 1,
        "endpoint": "string",
        "status": "string",
        "errorMessage": "string",
        "properties": {
          "string": "string"
        }
      }
    },
    "computeId": "string",
    "isArchived": false,
    "identity": {
      "identityType": "AMLToken"
    },
    "jobType": "AutoML",
    "resources": {
      "instanceCount": 1,
      "instanceType": "string",
      "properties": {
        "string": {
          "9bec0ab0-c62f-4fa9-a97c-7b24bbcc90ad": null
        }
      }
    },
    "environmentId": "string",
    "environmentVariables": {
      "string": "string"
    },
    "taskDetails": {
      "taskType": "ImageClassification",
      "limitSettings": {
        "maxTrials": 2
      },
      "targetColumnName": "string",
      "trainingData": {
        "jobInputType": "mltable",
        "uri": "string"
      },
      "modelSettings": {
        "validationCropSize": 2
      },
      "searchSpace": [
        {
          "validationCropSize": "choice(2, 360)"
        }
      ]
    },
    "outputs": {
      "string": {
        "description": "string",
        "uri": "string",
        "mode": "ReadWriteMount",
        "jobOutputType": "uri_file"
      }
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "ManagedIdentity"
  }
}

Status code:

201

{
  "id": "string",
  "name": "string",
  "type": "string",
  "properties": {
    "description": "string",
    "tags": {
      "string": "string"
    },
    "properties": {
      "string": "string"
    },
    "displayName": "string",
    "status": "Scheduled",
    "experimentName": "string",
    "services": {
      "string": {
        "jobServiceType": "string",
        "port": 1,
        "endpoint": "string",
        "status": "string",
        "errorMessage": "string",
        "properties": {
          "string": "string"
        }
      }
    },
    "computeId": "string",
    "isArchived": false,
    "identity": {
      "identityType": "AMLToken"
    },
    "jobType": "AutoML",
    "resources": {
      "instanceCount": 1,
      "instanceType": "string",
      "properties": {
        "string": {
          "9bec0ab0-c62f-4fa9-a97c-7b24bbcc90ad": null
        }
      }
    },
    "environmentId": "string",
    "environmentVariables": {
      "string": "string"
    },
    "taskDetails": {
      "taskType": "ImageClassification",
      "limitSettings": {
        "maxTrials": 2
      },
      "targetColumnName": "string",
      "trainingData": {
        "jobInputType": "mltable",
        "uri": "string"
      },
      "modelSettings": {
        "validationCropSize": 2
      },
      "searchSpace": [
        {
          "validationCropSize": "choice(2, 360)"
        }
      ]
    },
    "outputs": {
      "string": {
        "description": "string",
        "uri": "string",
        "mode": "ReadWriteMount",
        "jobOutputType": "uri_file"
      }
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "ManagedIdentity"
  }
}

CreateOrUpdate Command Job.

Sample Request

HTTP

PUT https://management.azure.com/subscriptions/00000000-1111-2222-3333-444444444444/resourceGroups/test-rg/providers/Microsoft.MachineLearningServices/workspaces/my-aml-workspace/jobs/string?api-version=2024-04-01

{
  "properties": {
    "description": "string",
    "tags": {
      "string": "string"
    },
    "properties": {
      "string": "string"
    },
    "displayName": "string",
    "experimentName": "string",
    "services": {
      "string": {
        "jobServiceType": "string",
        "port": 1,
        "endpoint": "string",
        "properties": {
          "string": "string"
        }
      }
    },
    "computeId": "string",
    "jobType": "Command",
    "resources": {
      "instanceCount": 1,
      "instanceType": "string",
      "properties": {
        "string": {
          "e6b6493e-7d5e-4db3-be1e-306ec641327e": null
        }
      }
    },
    "codeId": "string",
    "command": "string",
    "environmentId": "string",
    "inputs": {
      "string": {
        "description": "string",
        "jobInputType": "literal",
        "value": "string"
      }
    },
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "ReadWriteMount",
        "uri": "string"
      }
    },
    "distribution": {
      "distributionType": "TensorFlow",
      "workerCount": 1,
      "parameterServerCount": 1
    },
    "limits": {
      "timeout": "PT5M",
      "jobLimitsType": "Command"
    },
    "environmentVariables": {
      "string": "string"
    },
    "identity": {
      "identityType": "AMLToken"
    }
  }
}

Sample Response

Status code:

200

{
  "id": "string",
  "name": "string",
  "type": "string",
  "properties": {
    "description": "string",
    "tags": {
      "string": "string"
    },
    "properties": {
      "string": "string"
    },
    "displayName": "string",
    "status": "NotStarted",
    "experimentName": "string",
    "services": {
      "string": {
        "jobServiceType": "string",
        "port": 1,
        "endpoint": "string",
        "status": "string",
        "errorMessage": "string",
        "properties": {
          "string": "string"
        }
      }
    },
    "computeId": "string",
    "jobType": "Command",
    "resources": {
      "instanceCount": 1,
      "instanceType": "string",
      "properties": {
        "string": {
          "a0847709-f5aa-4561-8ba5-d915d403fdcf": null
        }
      }
    },
    "codeId": "string",
    "command": "string",
    "environmentId": "string",
    "inputs": {
      "string": {
        "description": "string",
        "jobInputType": "literal",
        "value": "string"
      }
    },
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "ReadWriteMount",
        "uri": "string"
      }
    },
    "distribution": {
      "distributionType": "TensorFlow",
      "workerCount": 1,
      "parameterServerCount": 1
    },
    "limits": {
      "timeout": "PT5M",
      "jobLimitsType": "Command"
    },
    "environmentVariables": {
      "string": "string"
    },
    "identity": {
      "identityType": "AMLToken"
    },
    "parameters": {
      "string": "string"
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "User"
  }
}

Status code:

201

{
  "id": "string",
  "name": "string",
  "type": "string",
  "properties": {
    "description": "string",
    "tags": {
      "string": "string"
    },
    "properties": {
      "string": "string"
    },
    "displayName": "string",
    "status": "NotStarted",
    "experimentName": "string",
    "services": {
      "string": {
        "jobServiceType": "string",
        "port": 1,
        "endpoint": "string",
        "status": "string",
        "errorMessage": "string",
        "properties": {
          "string": "string"
        }
      }
    },
    "computeId": "string",
    "jobType": "Command",
    "resources": {
      "instanceCount": 1,
      "instanceType": "string",
      "properties": {
        "string": {
          "b8163d40-c351-43d6-8a34-d0cd895b8a5a": null
        }
      }
    },
    "codeId": "string",
    "command": "string",
    "environmentId": "string",
    "inputs": {
      "string": {
        "description": "string",
        "jobInputType": "literal",
        "value": "string"
      }
    },
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "ReadWriteMount",
        "uri": "string"
      }
    },
    "distribution": {
      "distributionType": "TensorFlow",
      "workerCount": 1,
      "parameterServerCount": 1
    },
    "limits": {
      "timeout": "PT5M",
      "jobLimitsType": "Command"
    },
    "environmentVariables": {
      "string": "string"
    },
    "identity": {
      "identityType": "AMLToken"
    },
    "parameters": {
      "string": "string"
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "User"
  }
}

CreateOrUpdate Pipeline Job.

Sample Request

HTTP

PUT https://management.azure.com/subscriptions/00000000-1111-2222-3333-444444444444/resourceGroups/test-rg/providers/Microsoft.MachineLearningServices/workspaces/my-aml-workspace/jobs/string?api-version=2024-04-01

{
  "properties": {
    "description": "string",
    "tags": {
      "string": "string"
    },
    "properties": {
      "string": "string"
    },
    "displayName": "string",
    "experimentName": "string",
    "services": {
      "string": {
        "jobServiceType": "string",
        "port": 1,
        "endpoint": "string",
        "properties": {
          "string": "string"
        }
      }
    },
    "computeId": "string",
    "jobType": "Pipeline",
    "settings": {},
    "inputs": {
      "string": {
        "description": "string",
        "jobInputType": "literal",
        "value": "string"
      }
    },
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "Upload",
        "uri": "string"
      }
    }
  }
}

Sample Response

Status code:

200

{
  "id": "string",
  "name": "string",
  "type": "string",
  "properties": {
    "description": "string",
    "tags": {
      "string": "string"
    },
    "properties": {
      "string": "string"
    },
    "displayName": "string",
    "status": "NotStarted",
    "experimentName": "string",
    "services": {
      "string": {
        "jobServiceType": "string",
        "port": 1,
        "endpoint": "string",
        "status": "string",
        "errorMessage": "string",
        "properties": {
          "string": "string"
        }
      }
    },
    "computeId": "string",
    "jobType": "Pipeline",
    "settings": {},
    "inputs": {
      "string": {
        "description": "string",
        "jobInputType": "literal",
        "value": "string"
      }
    },
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "Upload",
        "uri": "string"
      }
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "User"
  }
}

Status code:

201

{
  "id": "string",
  "name": "string",
  "type": "string",
  "properties": {
    "description": "string",
    "tags": {
      "string": "string"
    },
    "properties": {
      "string": "string"
    },
    "displayName": "string",
    "status": "NotStarted",
    "experimentName": "string",
    "services": {
      "string": {
        "jobServiceType": "string",
        "port": 1,
        "endpoint": "string",
        "status": "string",
        "errorMessage": "string",
        "properties": {
          "string": "string"
        }
      }
    },
    "computeId": "string",
    "jobType": "Pipeline",
    "settings": {},
    "inputs": {
      "string": {
        "description": "string",
        "jobInputType": "literal",
        "value": "string"
      }
    },
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "Upload",
        "uri": "string"
      }
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "User"
  }
}

CreateOrUpdate Sweep Job.

Sample Request

HTTP

PUT https://management.azure.com/subscriptions/00000000-1111-2222-3333-444444444444/resourceGroups/test-rg/providers/Microsoft.MachineLearningServices/workspaces/my-aml-workspace/jobs/string?api-version=2024-04-01

{
  "properties": {
    "description": "string",
    "tags": {
      "string": "string"
    },
    "properties": {
      "string": "string"
    },
    "displayName": "string",
    "experimentName": "string",
    "services": {
      "string": {
        "jobServiceType": "string",
        "port": 1,
        "endpoint": "string",
        "properties": {
          "string": "string"
        }
      }
    },
    "computeId": "string",
    "jobType": "Sweep",
    "samplingAlgorithm": {
      "samplingAlgorithmType": "Grid"
    },
    "limits": {
      "jobLimitsType": "Sweep",
      "maxTotalTrials": 1,
      "maxConcurrentTrials": 1,
      "trialTimeout": "PT1S"
    },
    "earlyTermination": {
      "evaluationInterval": 1,
      "delayEvaluation": 1,
      "policyType": "MedianStopping"
    },
    "objective": {
      "primaryMetric": "string",
      "goal": "Minimize"
    },
    "trial": {
      "codeId": "string",
      "command": "string",
      "environmentId": "string",
      "environmentVariables": {
        "string": "string"
      },
      "distribution": {
        "distributionType": "Mpi",
        "processCountPerInstance": 1
      },
      "resources": {
        "instanceCount": 1,
        "instanceType": "string",
        "properties": {
          "string": {
            "e6b6493e-7d5e-4db3-be1e-306ec641327e": null
          }
        }
      }
    },
    "searchSpace": {
      "string": {}
    }
  }
}

Sample Response

Status code:

200

{
  "id": "string",
  "name": "string",
  "type": "string",
  "properties": {
    "description": "string",
    "tags": {
      "string": "string"
    },
    "properties": {
      "string": "string"
    },
    "displayName": "string",
    "status": "NotStarted",
    "experimentName": "string",
    "services": {
      "string": {
        "jobServiceType": "string",
        "port": 1,
        "endpoint": "string",
        "status": "string",
        "errorMessage": "string",
        "properties": {
          "string": "string"
        }
      }
    },
    "computeId": "string",
    "jobType": "Sweep",
    "samplingAlgorithm": {
      "samplingAlgorithmType": "Grid"
    },
    "limits": {
      "jobLimitsType": "Sweep",
      "maxTotalTrials": 1,
      "maxConcurrentTrials": 1,
      "trialTimeout": "PT1S"
    },
    "earlyTermination": {
      "evaluationInterval": 1,
      "delayEvaluation": 1,
      "policyType": "MedianStopping"
    },
    "objective": {
      "primaryMetric": "string",
      "goal": "Minimize"
    },
    "trial": {
      "codeId": "string",
      "command": "string",
      "environmentId": "string",
      "environmentVariables": {
        "string": "string"
      },
      "distribution": {
        "distributionType": "Mpi",
        "processCountPerInstance": 1
      },
      "resources": {
        "instanceCount": 1,
        "instanceType": "string",
        "properties": {
          "string": {
            "e6b6493e-7d5e-4db3-be1e-306ec641327e": null
          }
        }
      }
    },
    "searchSpace": {
      "string": {}
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "User"
  }
}

Status code:

201

{
  "id": "string",
  "name": "string",
  "type": "string",
  "properties": {
    "description": "string",
    "tags": {
      "string": "string"
    },
    "properties": {
      "string": "string"
    },
    "displayName": "string",
    "status": "NotStarted",
    "experimentName": "string",
    "services": {
      "string": {
        "jobServiceType": "string",
        "port": 1,
        "endpoint": "string",
        "status": "string",
        "errorMessage": "string",
        "properties": {
          "string": "string"
        }
      }
    },
    "computeId": "string",
    "jobType": "Sweep",
    "samplingAlgorithm": {
      "samplingAlgorithmType": "Grid"
    },
    "limits": {
      "jobLimitsType": "Sweep",
      "maxTotalTrials": 1,
      "maxConcurrentTrials": 1,
      "trialTimeout": "PT1S"
    },
    "earlyTermination": {
      "evaluationInterval": 1,
      "delayEvaluation": 1,
      "policyType": "MedianStopping"
    },
    "objective": {
      "primaryMetric": "string",
      "goal": "Minimize"
    },
    "trial": {
      "codeId": "string",
      "command": "string",
      "environmentId": "string",
      "environmentVariables": {
        "string": "string"
      },
      "distribution": {
        "distributionType": "Mpi",
        "processCountPerInstance": 1
      },
      "resources": {
        "instanceCount": 1,
        "instanceType": "string",
        "properties": {
          "string": {
            "e6b6493e-7d5e-4db3-be1e-306ec641327e": null
          }
        }
      }
    },
    "searchSpace": {
      "string": {}
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "User"
  }
}

定義

名前	説明
AllNodes	すべてのノードは、サービスがジョブのすべてのノードで実行されることを意味します
AmlToken	AML トークン ID の構成。
AutoForecastHorizon	予測期間は、システムによって自動的に決定されます。
AutoMLJob	AutoMLJob クラス。 分類や回帰などの AutoML タスクを実行するには、このクラスを使用します。サポートされているすべてのタスクについては、「TaskType 列挙型」を参照してください。
AutoNCrossValidations	N クロス検証は自動的に決定されます。
AutoSeasonality
AutoTargetLags
AutoTargetRollingWindowSize	ターゲットラグローリングウィンドウは自動的に決定されます。
AzureDevOpsWebhook	Azure DevOps に固有の Webhook の詳細
BanditPolicy	余裕期間の条件に基づいて早期終了ポリシーを定義し、評価の頻度と遅延間隔を定義します
BayesianSamplingAlgorithm	前の値に基づいて値を生成するサンプリング アルゴリズムを定義します
BlockedTransformers	AutoML でサポートされているすべての分類モデルの列挙型。
Classification	AutoML テーブルの垂直の分類タスク。
ClassificationModels	AutoML でサポートされているすべての分類モデルの列挙型。
ClassificationMultilabelPrimaryMetrics	分類マルチラベル タスクの主要なメトリック。
ClassificationPrimaryMetrics	分類タスクの主要なメトリック。
ClassificationTrainingSettings	分類トレーニング関連の構成。
CommandJob	コマンド ジョブ定義。
CommandJobLimits	コマンド ジョブ制限クラス。
createdByType	リソースを作成した ID の種類。
CustomForecastHorizon	時系列頻度を単位にした目的の最大予測期間。
CustomModelJobInput
CustomModelJobOutput
CustomNCrossValidations	N クロス検証はユーザーによって指定されます。
CustomSeasonality
CustomTargetLags
CustomTargetRollingWindowSize
DistributionType	ジョブの分散の種類を決定する列挙型。
EarlyTerminationPolicyType
EmailNotificationEnableType	電子メール通知の種類を決定する列挙型。
ErrorAdditionalInfo	リソース管理エラーの追加情報。
ErrorDetail	エラーの詳細。
ErrorResponse	エラー応答
FeatureLags	数値特徴のラグを生成するためのフラグ。
FeaturizationMode	特徴量化モード - データ特徴量化モードを決定します。
ForecastHorizonMode	予測期間の選択モードを決定する列挙型。
Forecasting	AutoML テーブルの垂直方向の予測タスク。
ForecastingModels	AutoML でサポートされているすべての予測モデルの列挙型。
ForecastingPrimaryMetrics	予測タスクの主要なメトリック。
ForecastingSettings	特定のパラメーターの予測。
ForecastingTrainingSettings	予測トレーニング関連の構成。
Goal	ハイパーパラメーターチューニングでサポートされるメトリック目標を定義します
GridSamplingAlgorithm	空間内のすべての値の組み合わせを徹底的に生成するサンプリング アルゴリズムを定義します
IdentityConfigurationType	ID フレームワークを決定する列挙型。
ImageClassification	画像の分類。 複数クラスの画像分類は、一連のクラスから 1 つのラベルのみで画像が分類される場合に使用されます。たとえば、各画像は "cat" または "dog" または "duck" の画像として分類されます。
ImageClassificationMultilabel	画像分類マルチラベル。 複数ラベルの画像分類は、画像が一連のラベルから 1 つ以上のラベルを持つことができる場合に使用されます。たとえば、画像を "cat" と "dog" の両方でラベル付けできます。
ImageInstanceSegmentation	イメージ インスタンスのセグメント化。 インスタンスのセグメント化は、画像内のオブジェクトをピクセル レベルで識別し、画像内の各オブジェクトの周りに多角形を描画するために使用されます。
ImageLimitSettings	AutoML ジョブの設定を制限します。
ImageModelDistributionSettingsClassification	モデル設定の値をスイープする分布式。 いくつかの例を次に示します。 ModelName = "choice('seresnext', 'resnest50')"; LearningRate = "uniform(0.001, 0.01)"; LayersToFreeze = "choice(0, 2)"; ```</example> For more details on how to compose distribution expressions please check the documentation: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters For more information on the available settings please visit the official documentation: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
ImageModelDistributionSettingsObjectDetection	モデル設定の値をスイープする分布式。 いくつかの例を次に示します。 ModelName = "choice('seresnext', 'resnest50')"; LearningRate = "uniform(0.001, 0.01)"; LayersToFreeze = "choice(0, 2)"; ```</example> For more details on how to compose distribution expressions please check the documentation: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters For more information on the available settings please visit the official documentation: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
ImageModelSettingsClassification	モデルのトレーニングに使用される設定。 使用可能な設定の詳細については、公式ドキュメントを参照してください。 https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models
ImageModelSettingsObjectDetection	モデルのトレーニングに使用される設定。 使用可能な設定の詳細については、公式ドキュメントを参照してください。 https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models
ImageObjectDetection	画像オブジェクトの検出。 物体検出は、画像内のオブジェクトを識別し、境界ボックスを持つ各オブジェクトを見つけるために使用されます。たとえば、画像内のすべての犬と猫を見つけて、それぞれの周りに境界ボックスを描画します。
ImageSweepSettings	モデル スイープとハイパーパラメーター スイープ関連の設定。
InputDeliveryMode	入力データ配信モードを決定する列挙型。
InstanceSegmentationPrimaryMetrics	InstanceSegmentation タスクのプライマリ メトリック。
JobBaseResource	Azure Resource Manager リソース エンベロープ。
JobInputType	ジョブ入力の種類を決定する列挙型。
JobLimitsType
JobOutputType	ジョブ出力の種類を決定する列挙型。
JobResourceConfiguration
JobService	ジョブ エンドポイントの定義
JobStatus	ジョブの状態。
JobTier	ジョブ層を決定する列挙型。
JobType	ジョブの種類を決定する列挙型。
LearningRateScheduler	学習率スケジューラ列挙型。
LiteralJobInput	リテラル入力の種類。
LogVerbosity	ログの詳細度を設定するための列挙型。
ManagedIdentity	マネージド ID の構成。
MedianStoppingPolicy	すべての実行のプライマリ メトリックの実行平均に基づいて早期終了ポリシーを定義します
MLFlowModelJobInput
MLFlowModelJobOutput
MLTableJobInput
MLTableJobOutput
ModelSize	イメージ モデルのサイズ。
Mpi	MPI ディストリビューションの構成。
NCrossValidationsMode	N クロス検証値の決定方法を決定します。
NlpVerticalFeaturizationSettings
NlpVerticalLimitSettings	ジョブ実行の制約。
NodesValueType	ノード値の列挙型
NotificationSetting	通知の構成。
ObjectDetectionPrimaryMetrics	Image ObjectDetection タスクのプライマリ メトリック。
Objective	最適化の目的。
OutputDeliveryMode	出力データ配信モード列挙型。
PipelineJob	パイプライン ジョブ定義: ジェネリックから MFE 属性を定義します。
PyTorch	PyTorch ディストリビューションの構成。
QueueSettings
RandomSamplingAlgorithm	値をランダムに生成するサンプリング アルゴリズムを定義します
RandomSamplingAlgorithmRule	ランダム アルゴリズムの特定の種類
Regression	AutoML テーブルの垂直方向の回帰タスク。
RegressionModels	AutoML でサポートされているすべての回帰モデルの列挙型。
RegressionPrimaryMetrics	回帰タスクの主なメトリック。
RegressionTrainingSettings	回帰トレーニング関連の構成。
SamplingAlgorithmType
SeasonalityMode	季節性モードの予測。
ShortSeriesHandlingConfiguration	AutoML で短い時系列を処理する方法を定義するパラメーター。
SparkJob	Spark ジョブ定義。
SparkJobEntryType
SparkJobPythonEntry
SparkJobScalaEntry
SparkResourceConfiguration
StackEnsembleSettings	StackEnsemble の実行をカスタマイズするための設定を進めます。
StackMetaLearnerType	メタ学習者は、個々の異種モデルの出力でトレーニングされたモデルです。 既定のメタ学習者は、分類タスク (またはクロス検証が有効な場合は LogisticRegressionCV) の場合は LogisticRegression、回帰/予測タスクの場合は ElasticNet (クロス検証が有効な場合は ElasticNetCV) です。 このパラメーターには、LogisticRegression、LogisticRegressionCV、LightGBMClassifier、ElasticNet、ElasticNetCV、LightGBMRegressor、LinearRegression のいずれかの文字列を指定できます。
StochasticOptimizer	イメージ モデルの確率オプティマイザー。
SweepJob	スイープ ジョブ定義。
SweepJobLimits	スイープ ジョブ制限クラス。
systemData	リソースの作成と最後の変更に関連するメタデータ。
TableVerticalFeaturizationSettings	特徴付けの構成。
TableVerticalLimitSettings	ジョブ実行の制約。
TargetAggregationFunction	ターゲット集計関数。
TargetLagsMode	ターゲットラグ選択モード。
TargetRollingWindowSizeMode	ローリング ウィンドウ サイズ モードをターゲットにします。
TaskType	AutoMLJob タスクの種類。
TensorFlow	TensorFlow ディストリビューションの構成。
TextClassification	AutoML NLP 縦書きのテキスト分類タスク。 NLP - 自然言語処理。
TextClassificationMultilabel	AutoML NLP 縦書きのテキスト分類マルチラベル タスク。 NLP - 自然言語処理。
TextNer	AutoML NLP 縦書きのテキスト NER タスク。 NER - 名前付きエンティティ認識。 NLP - 自然言語処理。
TrialComponent	試用版コンポーネントの定義。
TritonModelJobInput
TritonModelJobOutput
TruncationSelectionPolicy	指定された割合の実行を評価間隔ごとに取り消す早期終了ポリシーを定義します。
UriFileJobInput
UriFileJobOutput
UriFolderJobInput
UriFolderJobOutput
UserIdentity	ユーザー ID の構成。
UseStl	時系列ターゲット列の STL 分解を構成します。
ValidationMetricType	画像タスクの検証メトリックに使用するメトリック計算方法。
WebhookType	Webhook コールバック サービスの種類を決定する列挙型。

AllNodes

すべてのノードは、サービスがジョブのすべてのノードで実行されることを意味します

名前	型	説明
nodesValueType	string: All	[必須]Nodes 値の種類

AmlToken

AML トークン ID の構成。

名前	型	説明
identityType	string: AMLToken	[必須]ID フレームワークの種類を指定します。

AutoForecastHorizon

予測期間は、システムによって自動的に決定されます。

名前	型	説明
mode	string: Auto	[必須]予測期間値の選択モードを設定します。

AutoMLJob

AutoMLJob クラス。 分類や回帰などの AutoML タスクを実行するには、このクラスを使用します。サポートされているすべてのタスクについては、「TaskType 列挙型」を参照してください。

名前	型	既定値	説明
componentId	string		コンポーネント リソースの ARM リソース ID。
computeId	string		コンピューティング リソースの ARM リソース ID。
description	string		資産の説明テキスト。
displayName	string		ジョブの表示名。
environmentId	string		ジョブの環境仕様の ARM リソース ID。 これは省略可能な値であり、指定されていない場合、AutoML はジョブの実行時に既定で運用環境の AutoML キュレーション環境バージョンに設定されます。
environmentVariables	object		ジョブに含まれる環境変数。
experimentName	string	Default	ジョブが属する実験の名前。 設定されていない場合、ジョブは "Default" 実験に配置されます。
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		ID の構成。 設定する場合は、AmlToken、ManagedIdentity、UserIdentity、または null のいずれかである必要があります。 null の場合、既定値は AmlToken になります。
isArchived	boolean	False	資産はアーカイブされていますか?
jobType	string: AutoML		[必須]ジョブの種類を指定します。
notificationSetting	NotificationSetting		ジョブの通知設定
outputs	object		ジョブで使用される出力データ バインディングのマッピング。
properties	object		資産プロパティ ディクショナリ。
queueSettings	QueueSettings		ジョブのキュー設定
resources	JobResourceConfiguration	{}	ジョブのコンピューティング リソースの構成。
services	<string,  JobService>		JobEndpoints の一覧。 ローカル ジョブの場合、ジョブ エンドポイントのエンドポイント値は FileStreamObject になります。
status	JobStatus		ジョブの状態。
tags	object		タグ辞書。 タグは追加、削除、更新できます。
taskDetails	AutoMLVertical: Classification Forecasting ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation ImageObjectDetection Regression TextClassification TextClassificationMultilabel TextNer		[必須]これは、Tables/NLP/Image のいずれかである可能性があるシナリオを表します

AutoNCrossValidations

N クロス検証は自動的に決定されます。

名前	型	説明
mode	string: Auto	[必須]N クロス検証を決定するためのモード。

AutoSeasonality

名前	型	説明
mode	string: Auto	[必須]季節性モード。

AutoTargetLags

名前	型	説明
mode	string: Auto	[必須]ターゲット ラグ モードの設定 - 自動/カスタム

AutoTargetRollingWindowSize

ターゲットラグローリングウィンドウは自動的に決定されます。

名前	型	説明
mode	string: Auto	[必須]TargetRollingWindowSiz 検出モード。

AzureDevOpsWebhook

Azure DevOps に固有の Webhook の詳細

名前	型	説明
eventType	string	指定した通知イベントでコールバックを送信する
webhookType	string: AzureDevOps	[必須]コールバックを送信するサービスの種類を指定します

BanditPolicy

余裕期間の条件に基づいて早期終了ポリシーを定義し、評価の頻度と遅延間隔を定義します

名前	型	既定値	説明
delayEvaluation	integer	0	最初の評価を遅らせる間隔の数。
evaluationInterval	integer	0	ポリシー評価間の間隔 (実行数)。
policyType	string: Bandit		[必須]ポリシー構成の名前
slackAmount	number	0	最高のパフォーマンスを発揮する実行から許容される絶対距離。
slackFactor	number	0	最もパフォーマンスの高い実行からの許可された距離の比率。

BayesianSamplingAlgorithm

前の値に基づいて値を生成するサンプリング アルゴリズムを定義します

名前	型	説明
samplingAlgorithmType	string: Bayesian	[必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム

BlockedTransformers

AutoML でサポートされているすべての分類モデルの列挙型。

名前	型	説明
CatTargetEncoder	string	カテゴリ データのターゲット エンコード。
CountVectorizer	string	Count Vectorizer は、テキスト ドキュメントのコレクションをトークン数のマトリックスに変換します。
HashOneHotEncoder	string	One Hot Encoder をハッシュすると、カテゴリ変数を限られた数の新機能に変換できます。 これは、多くの場合、カーディナリティの高いカテゴリ特徴に使用されます。
LabelEncoder	string	ラベル エンコーダーは、ラベル/カテゴリ変数を数値形式で変換します。
NaiveBayes	string	Naive Bayes は分類され、カテゴリ別に分散される個別の特徴の分類に使用されます。
OneHotEncoder	string	Ohe ホット エンコードでは、バイナリ特徴変換が作成されます。
TextTargetEncoder	string	テキスト データのターゲット エンコード。
TfIdf	string	Tf-Idf は、用語頻度時間逆ドキュメント頻度を表します。 これは、ドキュメントから情報を識別するための一般的な用語重み付けスキームです。
WoETargetEncoder	string	Evidence エンコードの重みは、カテゴリ変数をエンコードするために使用される手法です。 P(1)/P(0) の自然対数を使用して重みを作成します。
WordEmbedding	string	Word埋め込みは、単語または語句をベクトルまたは一連の数値として表すのに役立ちます。

Classification

AutoML テーブルの垂直の分類タスク。

名前	型	既定値	説明
cvSplitColumnNames	string[]		CVSplit データに使用する列。
featurizationSettings	TableVerticalFeaturizationSettings		AutoML ジョブに必要な特徴付け入力。
limitSettings	TableVerticalLimitSettings		AutoMLJob の実行制約。
logVerbosity	LogVerbosity	Info	ジョブの詳細度をログに記録します。
nCrossValidations	NCrossValidations: AutoNCrossValidations CustomNCrossValidations		検証データセットが指定されていない場合にトレーニング データセットに適用されるクロス検証フォールドの数。
positiveLabel	string		バイナリ メトリック計算の正のラベル。
primaryMetric	ClassificationPrimaryMetrics	AUCWeighted	タスクのプライマリ メトリック。
targetColumnName	string		ターゲット列名: これは予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。
taskType	string: Classification		[必須]AutoMLJob のタスクの種類。
testData	MLTableJobInput		データ入力をテストします。
testDataSize	number		検証のために確保する必要があるテスト データセットの割合。 (0.0 , 1.0) の間の値検証データセットが指定されていない場合に適用されます。
trainingData	MLTableJobInput		[必須]トレーニング データの入力。
trainingSettings	ClassificationTrainingSettings		AutoML ジョブのトレーニング フェーズの入力。
validationData	MLTableJobInput		検証データの入力。
validationDataSize	number		検証のために確保する必要があるトレーニング データセットの割合。 (0.0 , 1.0) の間の値検証データセットが指定されていない場合に適用されます。
weightColumnName	string		サンプルの重み列の名前。 自動 ML では、入力として重み付け列がサポートされているため、データ内の行が重み付けされます。

ClassificationModels

AutoML でサポートされているすべての分類モデルの列挙型。

名前	型	説明
BernoulliNaiveBayes	string	多変量ベルヌーイ モデルの Naive Bayes 分類子。
DecisionTree	string	デシジョン ツリーは、分類タスクと回帰タスクの両方に使用されるノンパラメトリック教師あり学習方法です。 目標は、データ特徴から推論された単純な決定ルールを学習することによって、ターゲット変数の値を予測するモデルを作成することです。
ExtremeRandomTrees	string	Extreme Trees は、多くのデシジョン ツリーからの予測を組み合わせたアンサンブル機械学習アルゴリズムです。 これは、広く使用されているランダム フォレスト アルゴリズムに関連しています。
GradientBoosting	string	週の学習者を強力な学習者に転送する手法は Boosting と呼ばれます。 勾配ブースティング アルゴリズム プロセスは、この実行理論に対して機能します。
KNN	string	K ニアレスト ネイバー (KNN) アルゴリズムは、"特徴類似性" を使用して新しいデータ ポイントの値を予測します。つまり、トレーニング セット内のポイントとどの程度一致するかに基づいて、新しいデータ ポイントに値が割り当てられることを意味します。
LightGBM	string	LightGBM は、ツリー ベースの学習アルゴリズムを使用する勾配ブースティング フレームワークです。
LinearSVM	string	サポート ベクター マシン (SVM) は、2 グループ分類の問題に分類アルゴリズムを使用する教師あり機械学習モデルです。 カテゴリごとにラベル付けされたトレーニング データの SVM モデル セットを指定すると、新しいテキストを分類できます。 線形 SVM は、入力データが線形である場合に最適に実行されます。つまり、データは、プロットされたグラフに分類された値の間の直線を描画することによって簡単に分類できます。
LogisticRegression	string	ロジスティック回帰は、基本的な分類手法です。 これは線形分類子のグループに属し、多項式と線形回帰にやや似ています。 ロジスティック回帰は高速で比較的複雑でなく、結果を解釈すると便利です。 基本的には二項分類のメソッドですが、多クラスの問題にも適用できます。
MultinomialNaiveBayes	string	多項式 Naive Bayes 分類子は、不連続の特徴 (テキスト分類の単語数など) を使用した分類に適しています。 多項分布には通常、整数の特徴数が必要です。 ただし、実際には、tf-idf などの小数部のカウントも機能する可能性があります。
RandomForest	string	ランダム フォレストは、教師あり学習アルゴリズムです。 構築する "フォレスト" はデシジョン ツリーのアンサンブルであり、通常は "バギング" メソッドでトレーニングされます。 バギング方法の一般的な考え方は、学習モデルの組み合わせによって全体的な結果が増加することです。
SGD	string	SGD: 確率勾配降下法は、機械学習アプリケーションでよく使用される最適化アルゴリズムであり、予測出力と実際の出力の最適な適合に対応するモデル パラメーターを検索します。
SVM	string	サポート ベクター マシン (SVM) は、2 グループ分類の問題に分類アルゴリズムを使用する教師あり機械学習モデルです。 カテゴリごとにラベル付けされたトレーニング データの SVM モデル セットを指定すると、新しいテキストを分類できます。
XGBoostClassifier	string	XGBoost: 極端な勾配ブースティング アルゴリズム。 このアルゴリズムは、ターゲット列の値を個別のクラス値に分割できる構造化データに使用されます。

ClassificationMultilabelPrimaryMetrics

分類マルチラベル タスクの主要なメトリック。

名前	型	説明
AUCWeighted	string	AUC は曲線の下の領域です。 このメトリックは、各クラスのスコアの算術平均を表し、各クラスの true インスタンスの数で重み付けされます。
Accuracy	string	精度は、true クラス ラベルと正確に一致する予測の割合です。
AveragePrecisionScoreWeighted	string	各クラスの平均有効桁数スコアの算術平均。各クラスの true インスタンスの数で重み付けされます。
IOU	string	和集合上の交差。 予測の積集合を予測の和集合で割った値。
NormMacroRecall	string	正規化されたマクロ再現率は、ランダムなパフォーマンスでのスコアが 0、最適なパフォーマンスでのスコアが 1 になるように、マクロ平均化および正規化された再現率です。
PrecisionScoreWeighted	string	各クラスの真のインスタンスの数で重み付けされた、各クラスの有効桁数の算術平均。

ClassificationPrimaryMetrics

分類タスクの主要なメトリック。

名前	型	説明
AUCWeighted	string	AUC は曲線の下の領域です。 このメトリックは、各クラスのスコアの算術平均を表し、各クラスの true インスタンスの数で重み付けされます。
Accuracy	string	精度は、true クラス ラベルと正確に一致する予測の割合です。
AveragePrecisionScoreWeighted	string	各クラスの平均有効桁数スコアの算術平均。各クラスの true インスタンスの数で重み付けされます。
NormMacroRecall	string	正規化されたマクロ再現率は、ランダムなパフォーマンスでのスコアが 0、最適なパフォーマンスでのスコアが 1 になるように、マクロ平均化および正規化された再現率です。
PrecisionScoreWeighted	string	各クラスの真のインスタンスの数で重み付けされた、各クラスの有効桁数の算術平均。

ClassificationTrainingSettings

分類トレーニング関連の構成。

名前	型	既定値	説明
allowedTrainingAlgorithms	ClassificationModels[]		分類タスクに使用できるモデル。
blockedTrainingAlgorithms	ClassificationModels[]		分類タスクのブロックされたモデル。
enableDnnTraining	boolean	False	DNN モデルの推奨事項を有効にします。
enableModelExplainability	boolean	True	最適なモデルで説明性を有効にするフラグ。
enableOnnxCompatibleModels	boolean	False	onnx 互換モデルを有効にするフラグ。
enableStackEnsemble	boolean	True	スタック アンサンブルの実行を有効にします。
enableVoteEnsemble	boolean	True	投票アンサンブルの実行を有効にします。
ensembleModelDownloadTimeout	string	PT5M	VotingEnsemble モデルと StackEnsemble モデルの生成中に、前の子実行から複数の適合モデルがダウンロードされます。 より長い時間が必要な場合は、このパラメーターを 300 秒より大きい値に設定します。
stackEnsembleSettings	StackEnsembleSettings		スタック アンサンブル実行のスタック アンサンブル設定。

CommandJob

コマンド ジョブ定義。

名前	型	既定値	説明
codeId	string		コード資産の ARM リソース ID。
command	string		[必須]ジョブの起動時に実行するコマンド。 例: "python train.py"
componentId	string		コンポーネント リソースの ARM リソース ID。
computeId	string		コンピューティング リソースの ARM リソース ID。
description	string		資産の説明テキスト。
displayName	string		ジョブの表示名。
distribution	DistributionConfiguration: Mpi PyTorch TensorFlow		ジョブの配布構成。 設定する場合は、Mpi、Tensorflow、PyTorch、または null のいずれかである必要があります。
environmentId	string		[必須]ジョブの環境仕様の ARM リソース ID。
environmentVariables	object		ジョブに含まれる環境変数。
experimentName	string	Default	ジョブが属する実験の名前。 設定されていない場合、ジョブは "Default" 実験に配置されます。
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		ID の構成。 設定する場合は、AmlToken、ManagedIdentity、UserIdentity、または null のいずれかである必要があります。 null の場合、既定値は AmlToken になります。
inputs	object		ジョブで使用される入力データ バインディングのマッピング。
isArchived	boolean	False	資産はアーカイブされていますか?
jobType	string: Command		[必須]ジョブの種類を指定します。
limits	CommandJobLimits		コマンド ジョブの制限。
notificationSetting	NotificationSetting		ジョブの通知設定
outputs	object		ジョブで使用される出力データ バインディングのマッピング。
parameters	object		入力パラメーター。
properties	object		資産プロパティ ディクショナリ。
queueSettings	QueueSettings		ジョブのキュー設定
resources	JobResourceConfiguration	{}	ジョブのコンピューティング リソースの構成。
services	<string,  JobService>		JobEndpoints の一覧。 ローカル ジョブの場合、ジョブ エンドポイントのエンドポイント値は FileStreamObject になります。
status	JobStatus		ジョブの状態。
tags	object		タグ辞書。 タグは追加、削除、更新できます。

CommandJobLimits

コマンド ジョブ制限クラス。

名前	型	説明
jobLimitsType	string: Command	[必須]JobLimit 型。
timeout	string	ISO 8601 形式の最大実行時間。その後、ジョブは取り消されます。 有効桁数が秒の期間のみをサポートします。

createdByType

リソースを作成した ID の種類。

名前	型	説明
Application	string
Key	string
ManagedIdentity	string
User	string

CustomForecastHorizon

時系列頻度を単位にした目的の最大予測期間。

名前	型	説明
mode	string: Custom	[必須]予測期間値の選択モードを設定します。
value	integer	[必須]予測期間の値。

CustomModelJobInput

名前	型	既定値	説明
description	string		入力の説明。
jobInputType	string: custom_model		[必須]ジョブの種類を指定します。
mode	InputDeliveryMode	ReadOnlyMount	入力アセット配信モード。
uri	string		[必須]入力アセット URI。

CustomModelJobOutput

名前	型	既定値	説明
description	string		出力の説明。
jobOutputType	string: custom_model		[必須]ジョブの種類を指定します。
mode	OutputDeliveryMode	ReadWriteMount	出力資産配信モード。
uri	string		出力アセット URI。

CustomNCrossValidations

N クロス検証はユーザーによって指定されます。

名前	型	説明
mode	string: Custom	[必須]N クロス検証を決定するためのモード。
value	integer	[必須]N クロス検証値。

CustomSeasonality

名前	型	説明
mode	string: Custom	[必須]季節性モード。
value	integer	[必須]季節性の値。

CustomTargetLags

名前	型	説明
mode	string: Custom	[必須]ターゲット ラグ モードの設定 - 自動/カスタム
values	integer[]	[必須]ターゲットラグ値を設定します。

CustomTargetRollingWindowSize

名前	型	説明
mode	string: Custom	[必須]TargetRollingWindowSiz 検出モード。
value	integer	[必須]TargetRollingWindowSize 値。

DistributionType

ジョブの分散の種類を決定する列挙型。

名前	型	説明
Mpi	string
PyTorch	string
TensorFlow	string

EarlyTerminationPolicyType

名前	型	説明
Bandit	string
MedianStopping	string
TruncationSelection	string

EmailNotificationEnableType

電子メール通知の種類を決定する列挙型。

名前	型	説明
JobCancelled	string
JobCompleted	string
JobFailed	string

ErrorAdditionalInfo

リソース管理エラーの追加情報。

名前	型	説明
info	object	追加情報。
type	string	追加情報の種類。

ErrorDetail

エラーの詳細。

名前	型	説明
additionalInfo	ErrorAdditionalInfo[]	エラーの追加情報。
code	string	エラー コード。
details	ErrorDetail[]	エラーの詳細です。
message	string	エラー メッセージ。
target	string	エラーのターゲット。

ErrorResponse

エラー応答

名前	型	説明
error	ErrorDetail	error オブジェクト。

FeatureLags

数値特徴のラグを生成するためのフラグ。

名前	型	説明
Auto	string	システムによって機能のラグが自動生成されます。
None	string	機能のラグは生成されません。

FeaturizationMode

特徴量化モード - データ特徴量化モードを決定します。

名前	型	説明
Auto	string	自動モードでは、システムはカスタム特徴付け入力なしで特徴量化を実行します。
Custom	string	カスタム特徴量化。
Off	string	特徴量化オフ。 "予測" タスクでは、この値を使用できません。

ForecastHorizonMode

予測期間の選択モードを決定する列挙型。

名前	型	説明
Auto	string	予測期間が自動的に決定されます。
Custom	string	カスタム予測期間を使用します。

Forecasting

AutoML テーブルの垂直方向の予測タスク。

名前	型	既定値	説明
cvSplitColumnNames	string[]		CVSplit データに使用する列。
featurizationSettings	TableVerticalFeaturizationSettings		AutoML ジョブに必要な特徴付け入力。
forecastingSettings	ForecastingSettings		予測タスク固有の入力。
limitSettings	TableVerticalLimitSettings		AutoMLJob の実行制約。
logVerbosity	LogVerbosity	Info	ジョブの詳細度をログに記録します。
nCrossValidations	NCrossValidations: AutoNCrossValidations CustomNCrossValidations		検証データセットが指定されていない場合にトレーニング データセットに適用されるクロス検証フォールドの数。
primaryMetric	ForecastingPrimaryMetrics	NormalizedRootMeanSquaredError	予測タスクのプライマリ メトリック。
targetColumnName	string		ターゲット列名: これは予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。
taskType	string: Forecasting		[必須]AutoMLJob のタスクの種類。
testData	MLTableJobInput		データ入力をテストします。
testDataSize	number		検証のために確保する必要があるテスト データセットの割合。 (0.0 , 1.0) の間の値検証データセットが指定されていない場合に適用されます。
trainingData	MLTableJobInput		[必須]トレーニング データの入力。
trainingSettings	ForecastingTrainingSettings		AutoML ジョブのトレーニング フェーズの入力。
validationData	MLTableJobInput		検証データの入力。
validationDataSize	number		検証のために確保する必要があるトレーニング データセットの割合。 (0.0 , 1.0) の間の値検証データセットが指定されていない場合に適用されます。
weightColumnName	string		サンプルの重み列の名前。 自動 ML では、入力として重み付け列がサポートされているため、データ内の行が重み付けされます。

ForecastingModels

AutoML でサポートされているすべての予測モデルの列挙型。

名前	型	説明
Arimax	string	説明変数 (ARIMAX) を使用した自動回帰統合移動平均モデルは、1 つ以上の自己回帰 (AR) 項および/または 1 つ以上の移動平均 (MA) 項を持つ重回帰モデルとして表示できます。 この方法は、データが静止/非固定の場合の予測に適しており、任意の種類のデータ パターン (レベル/傾向/季節性/循環性) を持つ多変量に適しています。
AutoArima	string	自動回帰統合移動平均 (ARIMA) モデルでは、時系列データと統計分析を使用してデータを解釈し、将来の予測を行います。 このモデルは、過去の値の時系列データを使用してデータを説明し、線形回帰を使用して予測を行います。
Average	string	平均予測モデルは、トレーニング データ内の各時系列のターゲット値の平均を繰り越すことによって予測を行います。
DecisionTree	string	デシジョン ツリーは、分類タスクと回帰タスクの両方に使用されるノンパラメトリック教師あり学習方法です。 目標は、データ特徴から推論された単純な決定ルールを学習することによって、ターゲット変数の値を予測するモデルを作成することです。
ElasticNet	string	エラスティック ネットは、一般的な 2 つのペナルティ (特に L1 と L2 のペナルティ関数) を組み合わせた一般的なタイプの正則化線形回帰です。
ExponentialSmoothing	string	指数平滑化は、一変量データの時系列予測方法であり、体系的な傾向または季節的なコンポーネントを持つデータをサポートするように拡張できます。
ExtremeRandomTrees	string	Extreme Trees は、多くのデシジョン ツリーからの予測を組み合わせたアンサンブル機械学習アルゴリズムです。 これは、広く使用されているランダム フォレスト アルゴリズムに関連しています。
GradientBoosting	string	週の学習者を強力な学習者に転送する手法は Boosting と呼ばれます。 勾配ブースティング アルゴリズム プロセスは、この実行理論に対して機能します。
KNN	string	K ニアレスト ネイバー (KNN) アルゴリズムは、"特徴類似性" を使用して新しいデータ ポイントの値を予測します。つまり、トレーニング セット内のポイントとどの程度一致するかに基づいて、新しいデータ ポイントに値が割り当てられることを意味します。
LassoLars	string	なげなわモデルは、最小角度回帰 (例: Lars) に適合します。 これは、正則化の前に L1 でトレーニングされた線形モデルです。
LightGBM	string	LightGBM は、ツリー ベースの学習アルゴリズムを使用する勾配ブースティング フレームワークです。
Naive	string	Naive 予測モデルでは、トレーニング データ内で時系列ごとに最新のターゲット値を繰り越して予測を行います。
Prophet	string	Prophet は、非線形傾向が年単位、週単位、および日単位の季節性に加えて休日の影響に適合する加法モデルに基づいて時系列データを予測する手順です。 季節的な影響が強く、いくつかの季節の履歴データを含む時系列で最適に機能します。 Prophetはデータの欠落やトレンドの変化に強く、通常は外れ値を適切に処理します。
RandomForest	string	ランダム フォレストは、教師あり学習アルゴリズムです。 構築する "フォレスト" はデシジョン ツリーのアンサンブルであり、通常は "バギング" メソッドでトレーニングされます。 バギング方法の一般的な考え方は、学習モデルの組み合わせによって全体的な結果が増加することです。
SGD	string	SGD: 確率勾配降下法は、機械学習アプリケーションでよく使用される最適化アルゴリズムであり、予測出力と実際の出力の最適な適合に対応するモデル パラメーターを検索します。 これは、非具体的だが強力な手法です。
SeasonalAverage	string	季節平均予測モデルは、トレーニング データ内の各時系列のデータの最新の季節の平均値を繰り越すことによって予測を行います。
SeasonalNaive	string	Seasonal Naive 予測モデルでは、トレーニング データ内で時系列ごとに最新の季節のターゲット値を繰り越して予測を行います。
TCNForecaster	string	TCNForecaster: テンポラル畳み込みネットワーク予測ツール。 TODO: 予測チームに簡単な概要を確認してください。
XGBoostRegressor	string	XGBoostRegressor: Extreme Gradient Boosting Regressor は、基本学習者のアンサンブルを使用した教師あり機械学習モデルです。

ForecastingPrimaryMetrics

予測タスクの主要なメトリック。

名前	型	説明
NormalizedMeanAbsoluteError	string	正規化平均絶対誤差 (NMAE) は、(時間) 系列の平均絶対誤差 (MAE) と異なるスケールを比較するための検証メトリックです。
NormalizedRootMeanSquaredError	string	正規化された平方根平均二乗誤差 (NRMSE) は、異なるスケールを持つモデル間の比較を容易にします。
R2Score	string	R2 スコアは、予測ベースの機械学習モデルのパフォーマンス評価メジャーの 1 つです。
SpearmanCorrelation	string	スピアマンの順位相関係数は、ランク相関のノンパラメトリック尺度です。

ForecastingSettings

特定のパラメーターの予測。

名前	型	既定値	説明
countryOrRegionForHolidays	string		予測タスクの休日の国または地域。 これらは、ISO 3166 の 2 文字の国または地域コード ("US" や "GB" など) である必要があります。
cvStepSize	integer		1 つの CV フォールドの原点時間から次のフォールドまでの期間の数。 たとえば、日単位のデータに対して = 3 の場合 CVStepSize 、各フォールドの元の時刻は 3 日間隔になります。
featureLags	FeatureLags	None	'auto' または null を持つ数値特徴量のラグを生成するためのフラグ。
forecastHorizon	ForecastHorizon: AutoForecastHorizon CustomForecastHorizon	{"Mode": "Custom", "Value": 1}	時系列頻度を単位にした目的の最大予測期間。
frequency	string		予測する場合、このパラメーターは、日単位、週単位、年単位など、予測が必要な期間を表します。予測頻度は、既定ではデータセットの頻度です。
seasonality	Seasonality: AutoSeasonality CustomSeasonality	{"Mode": "Auto"}	時系列頻度の倍数 (整数) としての時系列の季節性を設定します。 'auto' に設定した場合、季節性は推論されます。
shortSeriesHandlingConfig	ShortSeriesHandlingConfiguration	Auto	AutoML で短い時系列を処理する方法を定義するパラメーター。
targetAggregateFunction	TargetAggregationFunction	None	ユーザー指定の頻度に従って時系列ターゲット列を集計するために使用する関数。 TargetAggregateFunction が 'None' ではなく設定されていても、freq パラメーターが設定されていない場合は、エラーが発生します。 使用可能なターゲット集計関数は、"sum"、"max"、"min"、"mean" です。
targetLags	TargetLags: AutoTargetLags CustomTargetLags		ターゲット列からのラグとして指定する過去の期間の数。
targetRollingWindowSize	TargetRollingWindowSize: AutoTargetRollingWindowSize CustomTargetRollingWindowSize		ターゲット列のローリング ウィンドウの平均を作成するために使用する過去の期間の数。
timeColumnName	string		時間列の名前。 このパラメーターは、時系列の構築とその頻度の推定に使用される入力データで、予測によって datetime 列を指定する場合に必要です。
timeSeriesIdColumnNames	string[]		時系列をグループ化するために使用される列の名前。 複数の系列を作成するために使用できます。 グレインが定義されていない場合、データ セットは 1 つの時系列であると見なされます。 このパラメーターは、タスクの種類の予測で使用します。
useStl	UseStl	None	時系列ターゲット列の STL 分解を構成します。

ForecastingTrainingSettings

予測トレーニング関連の構成。

名前	型	既定値	説明
allowedTrainingAlgorithms	ForecastingModels[]		予測タスクに使用できるモデル。
blockedTrainingAlgorithms	ForecastingModels[]		予測タスクのブロックされたモデル。
enableDnnTraining	boolean	False	DNN モデルの推奨事項を有効にします。
enableModelExplainability	boolean	True	最適なモデルで説明性を有効にするフラグ。
enableOnnxCompatibleModels	boolean	False	onnx 互換モデルを有効にするフラグ。
enableStackEnsemble	boolean	True	スタック アンサンブル実行を有効にします。
enableVoteEnsemble	boolean	True	投票アンサンブル実行を有効にします。
ensembleModelDownloadTimeout	string	PT5M	VotingEnsemble と StackEnsemble モデルの生成中に、前の子実行から複数の適合モデルがダウンロードされます。 より長い時間が必要な場合は、このパラメーターを 300 秒より大きい値に設定します。
stackEnsembleSettings	StackEnsembleSettings		スタック アンサンブル実行のスタック アンサンブル設定。

Goal

ハイパーパラメーターチューニングでサポートされるメトリック目標を定義します

名前	型	説明
Maximize	string
Minimize	string

GridSamplingAlgorithm

空間内のすべての値の組み合わせを徹底的に生成するサンプリング アルゴリズムを定義します

名前	型	説明
samplingAlgorithmType	string: Grid	[必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム

IdentityConfigurationType

ID フレームワークを決定する列挙型。

名前	型	説明
AMLToken	string
Managed	string
UserIdentity	string

ImageClassification

画像の分類。 複数クラスの画像分類は、一連のクラスから 1 つのラベルのみで画像が分類される場合に使用されます。たとえば、各画像は "cat" または "dog" または "duck" の画像として分類されます。

名前	型	既定値	説明
limitSettings	ImageLimitSettings		[必須]AutoML ジョブの設定を制限します。
logVerbosity	LogVerbosity	Info	ジョブの詳細度をログに記録します。
modelSettings	ImageModelSettingsClassification		モデルのトレーニングに使用される設定。
primaryMetric	ClassificationPrimaryMetrics	Accuracy	このタスク用に最適化する主なメトリック。
searchSpace	ImageModelDistributionSettingsClassification[]		Searchモデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするためのスペースです。
sweepSettings	ImageSweepSettings		モデル スイープとハイパーパラメーター スイープ関連の設定。
targetColumnName	string		ターゲット列名: これは予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。
taskType	string: ImageClassification		[必須]AutoMLJob のタスクの種類。
trainingData	MLTableJobInput		[必須]トレーニング データの入力。
validationData	MLTableJobInput		検証データの入力。
validationDataSize	number		検証のために確保する必要があるトレーニング データセットの割合。 (0.0 , 1.0) の間の値検証データセットが指定されていない場合に適用されます。

ImageClassificationMultilabel

画像分類マルチラベル。 複数ラベルの画像分類は、画像が一連のラベルから 1 つ以上のラベルを持つことができる場合に使用されます。たとえば、画像を "cat" と "dog" の両方でラベル付けできます。

名前	型	既定値	説明
limitSettings	ImageLimitSettings		[必須]AutoML ジョブの設定を制限します。
logVerbosity	LogVerbosity	Info	ジョブの詳細度をログに記録します。
modelSettings	ImageModelSettingsClassification		モデルのトレーニングに使用される設定。
primaryMetric	ClassificationMultilabelPrimaryMetrics	IOU	このタスク用に最適化する主なメトリック。
searchSpace	ImageModelDistributionSettingsClassification[]		Searchモデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするためのスペースです。
sweepSettings	ImageSweepSettings		モデル スイープとハイパーパラメーター スイープ関連の設定。
targetColumnName	string		ターゲット列名: これは予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。
taskType	string: ImageClassificationMultilabel		[必須]AutoMLJob のタスクの種類。
trainingData	MLTableJobInput		[必須]トレーニング データの入力。
validationData	MLTableJobInput		検証データの入力。
validationDataSize	number		検証のために確保する必要があるトレーニング データセットの割合。 (0.0 , 1.0) の間の値検証データセットが指定されていない場合に適用されます。

ImageInstanceSegmentation

イメージ インスタンスのセグメント化。 インスタンスのセグメント化は、画像内のオブジェクトをピクセル レベルで識別し、画像内の各オブジェクトの周りに多角形を描画するために使用されます。

名前	型	既定値	説明
limitSettings	ImageLimitSettings		[必須]AutoML ジョブの設定を制限します。
logVerbosity	LogVerbosity	Info	ジョブの詳細度をログに記録します。
modelSettings	ImageModelSettingsObjectDetection		モデルのトレーニングに使用される設定。
primaryMetric	InstanceSegmentationPrimaryMetrics	MeanAveragePrecision	このタスク用に最適化する主なメトリック。
searchSpace	ImageModelDistributionSettingsObjectDetection[]		Searchモデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするためのスペースです。
sweepSettings	ImageSweepSettings		モデル スイープとハイパーパラメーター スイープ関連の設定。
targetColumnName	string		ターゲット列名: これは予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。
taskType	string: ImageInstanceSegmentation		[必須]AutoMLJob のタスクの種類。
trainingData	MLTableJobInput		[必須]トレーニング データの入力。
validationData	MLTableJobInput		検証データの入力。
validationDataSize	number		検証のために確保する必要があるトレーニング データセットの割合。 (0.0 , 1.0) の間の値検証データセットが指定されていない場合に適用されます。

ImageLimitSettings

AutoML ジョブの設定を制限します。

名前	型	既定値	説明
maxConcurrentTrials	integer	1	同時実行 AutoML イテレーションの最大数。
maxTrials	integer	1	AutoML イテレーションの最大数。
timeout	string	P7D	AutoML ジョブのタイムアウト。

ImageModelDistributionSettingsClassification

モデル設定の値をスイープする分布式。 いくつかの例を次に示します。

ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
```</example>
For more details on how to compose distribution expressions please check the documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters
For more information on the available settings please visit the official documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

名前	型	説明
amsGradient	string	オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。
augmentations	string	拡張を使用するための設定。
beta1	string	オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float にする必要があります。
beta2	string	オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float にする必要があります。
distributed	string	配布者トレーニングを使用するかどうか。
earlyStopping	string	トレーニング中に早期停止ロジックを有効にします。
earlyStoppingDelay	string	プライマリ メトリックの改善が早期停止のために追跡されるまで待機するエポックまたは検証評価の最小数。 正の整数にする必要があります。
earlyStoppingPatience	string	実行が停止する前に主要なメトリックの改善がないエポックまたは検証評価の最小数。 正の整数にする必要があります。
enableOnnxNormalization	string	ONNX モデルをエクスポートするときに正規化を有効にします。
evaluationFrequency	string	メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。
gradientAccumulationStep	string	グラデーションの累積とは、モデルの重みを更新せずに構成された数の "GradAccumulationStep" ステップを実行し、それらのステップの勾配を蓄積し、累積勾配を使用して重みの更新を計算することを意味します。 正の整数にする必要があります。
layersToFreeze	string	モデルのフリーズするレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すと、レイヤー 0 とレイヤー 1 がフリーズします。 サポートされているモデルの完全な一覧とレイヤーのフリーズの詳細については、次を参照してください。 https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models
learningRate	string	初期学習率。 範囲 [0, 1] の float にする必要があります。
learningRateScheduler	string	学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。
modelName	string	トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models
momentum	string	オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float にする必要があります。
nesterov	string	オプティマイザーが 'sgd' の場合に nesterov を有効にします。
numberOfEpochs	string	トレーニング エポックの数。 正の整数にする必要があります。
numberOfWorkers	string	データ ローダー ワーカーの数。 負以外の整数である必要があります。
optimizer	string	オプティマイザーの種類。 'sgd'、'adam'、または 'adamw' のいずれかである必要があります。
randomSeed	string	決定論的トレーニングを使用するときに使用されるランダム シード。
stepLRGamma	string	学習率スケジューラが "ステップ" の場合のガンマの値。 範囲 [0, 1] の float にする必要があります。
stepLRStepSize	string	学習率スケジューラが 'step' の場合のステップ サイズの値。 正の整数にする必要があります。
trainingBatchSize	string	トレーニング バッチ サイズ。 正の整数にする必要があります。
trainingCropSize	string	トレーニング データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。
validationBatchSize	string	検証バッチ サイズ。 正の整数にする必要があります。
validationCropSize	string	検証データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。
validationResizeSize	string	検証データセット用にトリミングする前のサイズ変更先の画像のサイズ。 正の整数にする必要があります。
warmupCosineLRCycles	string	学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float にする必要があります。
warmupCosineLRWarmupEpochs	string	学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。
weightDecay	string	オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。
weightedLoss	string	加重損失。 許容される値は、加重損失がない場合は 0 です。 sqrt による加重損失の場合は 1。(class_weights)。 class_weights による重み付き損失の場合は 2。 0 または 1 または 2 にする必要があります。

ImageModelDistributionSettingsObjectDetection

モデル設定の値をスイープする分布式。 いくつかの例を次に示します。

ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
```</example>
For more details on how to compose distribution expressions please check the documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters
For more information on the available settings please visit the official documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

名前	型	説明
amsGradient	string	オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。
augmentations	string	拡張を使用するための設定。
beta1	string	オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float にする必要があります。
beta2	string	オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float にする必要があります。
boxDetectionsPerImage	string	すべてのクラスで、画像あたりの最大検出数。 正の整数にする必要があります。 注: この設定は、"yolov5" アルゴリズムではサポートされていません。
boxScoreThreshold	string	推論中は、分類スコアが BoxScoreThreshold より大きい提案のみを返します。 範囲 [0, 1] の float である必要があります。
distributed	string	配布者トレーニングを使用するかどうか。
earlyStopping	string	トレーニング中に早期停止ロジックを有効にします。
earlyStoppingDelay	string	プライマリ メトリックの改善が早期停止のために追跡されるまで待機するエポックまたは検証評価の最小数。 正の整数にする必要があります。
earlyStoppingPatience	string	実行が停止する前に主要なメトリックの改善がないエポックまたは検証評価の最小数。 正の整数にする必要があります。
enableOnnxNormalization	string	ONNX モデルをエクスポートするときに正規化を有効にします。
evaluationFrequency	string	メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。
gradientAccumulationStep	string	グラデーションの累積とは、モデルの重みを更新せずに構成された数の "GradAccumulationStep" ステップを実行し、それらのステップのグラデーションを累積した後、累積されたグラデーションを使用して重みの更新を計算することを意味します。 正の整数にする必要があります。
imageSize	string	トレーニングおよび検証用の画像サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る可能性があります。 注: この設定は、"yolov5" アルゴリズムでのみサポートされています。
layersToFreeze	string	モデルに固定するレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すと、レイヤー 0 とレイヤー 1 がフリーズします。 サポートされているモデルの完全な一覧とレイヤー固定の詳細については、 を参照してください https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。
learningRate	string	初期学習率。 範囲 [0, 1] の float にする必要があります。
learningRateScheduler	string	学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。
maxSize	string	バックボーンにフィードする前に再スケーリングする画像の最大サイズ。 正の整数にする必要があります。 注: サイズが大きすぎる場合、トレーニングの実行が CUDA OOM になることがあります。 注: この設定は、"yolov5" アルゴリズムではサポートされていません。
minSize	string	バックボーンにフィードする前に再スケーリングする画像の最小サイズ。 正の整数にする必要があります。 注: サイズが大きすぎる場合、トレーニングの実行が CUDA OOM になることがあります。 注: この設定は、"yolov5" アルゴリズムではサポートされていません。
modelName	string	トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models
modelSize	string	モデルのサイズ。 'small'、'medium'、'large'、または 'xlarge' である必要があります。 注: モデルのサイズが大きすぎる場合、トレーニングの実行が CUDA OOM になることがあります。 注: この設定は、"yolov5" アルゴリズムでのみサポートされています。
momentum	string	オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float にする必要があります。
multiScale	string	イメージ サイズを +/- 50% 変更して、マルチスケール イメージを有効にします。 注: 十分な GPU メモリがない場合、トレーニングの実行が CUDA OOM になることがあります。 注: この設定は、"yolov5" アルゴリズムでのみサポートされています。
nesterov	string	オプティマイザーが 'sgd' の場合は nesterov を有効にします。
nmsIouThreshold	string	NMS の後処理で推論中に使用される IOU しきい値。 [0, 1] の範囲内で float である必要があります。
numberOfEpochs	string	トレーニング エポックの数。 正の整数にする必要があります。
numberOfWorkers	string	データ ローダー ワーカーの数。 負以外の整数である必要があります。
optimizer	string	オプティマイザーの種類。 'sgd'、'adam'、または 'adamw' のいずれかである必要があります。
randomSeed	string	決定論的トレーニングを使用するときに使用されるランダム シード。
stepLRGamma	string	学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float にする必要があります。
stepLRStepSize	string	学習率スケジューラが "step" の場合のステップ サイズの値。 正の整数にする必要があります。
tileGridSize	string	各画像のタイルに使用するグリッド サイズ。 注: 小さな物体検出ロジックを有効にするには、TileGridSize を None にすることはできません。 mxn 形式の 2 つの整数を含む文字列。 注: この設定は、"yolov5" アルゴリズムではサポートされていません。
tileOverlapRatio	string	各ディメンションの隣接するタイル間のオーバーラップ率。 [0, 1) の範囲内で float である必要があります。 注: この設定は、"yolov5" アルゴリズムではサポートされていません。
tilePredictionsNmsThreshold	string	タイルおよび画像から予測をマージしながら NMS を実行するために使用する IOU しきい値。 検証や推論で使用されます。 [0, 1] の範囲内で float である必要があります。 注: この設定は、"yolov5" アルゴリズムではサポートされていません。 NMS: 非最大抑制
trainingBatchSize	string	トレーニング バッチ サイズ。 正の整数にする必要があります。
validationBatchSize	string	検証バッチ サイズ。 正の整数にする必要があります。
validationIouThreshold	string	検証メトリックを計算するときに使用する IOU しきい値。 [0, 1] の範囲内で float である必要があります。
validationMetricType	string	検証メトリックに使用するメトリック計算方法。 'none'、'coco'、'voc'、または 'coco_voc' である必要があります。
warmupCosineLRCycles	string	学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float にする必要があります。
warmupCosineLRWarmupEpochs	string	学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。
weightDecay	string	オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。

ImageModelSettingsClassification

モデルのトレーニングに使用される設定。 使用可能な設定の詳細については、公式ドキュメントを参照してください。 https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models

名前	型	既定値	説明
advancedSettings	string		高度なシナリオの設定。
amsGradient	boolean		オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。
augmentations	string		拡張を使用するための設定。
beta1	number		オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float にする必要があります。
beta2	number		オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float にする必要があります。
checkpointFrequency	integer		モデル チェックポイントを格納する頻度。 正の整数にする必要があります。
checkpointModel	MLFlowModelJobInput		増分トレーニング用の事前トレーニング済みチェックポイント モデル。
checkpointRunId	string		増分トレーニング用の事前トレーニング済みチェックポイントを持つ前の実行の ID。
distributed	boolean		分散トレーニングを使用するかどうか。
earlyStopping	boolean		トレーニング中に早期停止ロジックを有効にします。
earlyStoppingDelay	integer		プライマリ メトリックの改善が早期停止のために追跡されるまで待機するエポックまたは検証評価の最小数。 正の整数にする必要があります。
earlyStoppingPatience	integer		実行が停止する前に主要なメトリックの改善がないエポックまたは検証評価の最小数。 正の整数にする必要があります。
enableOnnxNormalization	boolean		ONNX モデルをエクスポートするときに正規化を有効にします。
evaluationFrequency	integer		メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。
gradientAccumulationStep	integer		グラデーションの累積とは、モデルの重みを更新せずに構成された数の "GradAccumulationStep" ステップを実行し、それらのステップのグラデーションを累積した後、累積されたグラデーションを使用して重みの更新を計算することを意味します。 正の整数にする必要があります。
layersToFreeze	integer		モデルに固定するレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すと、レイヤー 0 とレイヤー 1 がフリーズします。 サポートされているモデルの完全な一覧とレイヤー固定の詳細については、 を参照してください https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。
learningRate	number		初期学習率。 範囲 [0, 1] の float にする必要があります。
learningRateScheduler	LearningRateScheduler	None	学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。
modelName	string		トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models
momentum	number		オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float にする必要があります。
nesterov	boolean		オプティマイザーが 'sgd' の場合は nesterov を有効にします。
numberOfEpochs	integer		トレーニング エポックの数。 正の整数にする必要があります。
numberOfWorkers	integer		データ ローダー ワーカーの数。 負以外の整数である必要があります。
optimizer	StochasticOptimizer	None	オプティマイザーの種類。
randomSeed	integer		決定論的トレーニングを使用するときに使用されるランダム シード。
stepLRGamma	number		学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float にする必要があります。
stepLRStepSize	integer		学習率スケジューラが "step" の場合のステップ サイズの値。 正の整数にする必要があります。
trainingBatchSize	integer		トレーニング バッチ サイズ。 正の整数にする必要があります。
trainingCropSize	integer		トレーニング データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。
validationBatchSize	integer		検証バッチ サイズ。 正の整数にする必要があります。
validationCropSize	integer		検証データセットのニューラル ネットワークに入力される画像トリミング サイズ。 正の整数にする必要があります。
validationResizeSize	integer		検証データセット用にトリミングする前のサイズ変更先の画像のサイズ。 正の整数にする必要があります。
warmupCosineLRCycles	number		学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float にする必要があります。
warmupCosineLRWarmupEpochs	integer		学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。
weightDecay	number		オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。
weightedLoss	integer		加重損失。 許容される値は、加重損失がない場合は 0 です。 sqrt による加重損失の場合は 1。(class_weights)。 class_weights による重み付き損失の場合は 2。 0 または 1 または 2 にする必要があります。

ImageModelSettingsObjectDetection

モデルのトレーニングに使用される設定。 使用可能な設定の詳細については、公式ドキュメントを参照してください。 https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models

名前	型	既定値	説明
advancedSettings	string		高度なシナリオの設定。
amsGradient	boolean		オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。
augmentations	string		拡張を使用するための設定。
beta1	number		オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。 範囲 [0, 1] の float にする必要があります。
beta2	number		オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。 範囲 [0, 1] の float にする必要があります。
boxDetectionsPerImage	integer		すべてのクラスで、画像あたりの最大検出数。 正の整数にする必要があります。 注: この設定は、"yolov5" アルゴリズムではサポートされていません。
boxScoreThreshold	number		推論中に、BoxScoreThreshold より大きい分類スコアを持つ提案のみを返します。 範囲 [0, 1] の float である必要があります。
checkpointFrequency	integer		モデル チェックポイントを格納する頻度。 正の整数にする必要があります。
checkpointModel	MLFlowModelJobInput		増分トレーニング用の事前トレーニング済みチェックポイント モデル。
checkpointRunId	string		増分トレーニング用の事前トレーニング済みチェックポイントを持つ前の実行の ID。
distributed	boolean		分散トレーニングを使用するかどうか。
earlyStopping	boolean		トレーニング中に早期停止ロジックを有効にします。
earlyStoppingDelay	integer		プライマリ メトリックの改善が早期停止のために追跡されるまで待機するエポックまたは検証評価の最小数。 正の整数にする必要があります。
earlyStoppingPatience	integer		実行が停止する前に主要なメトリックの改善がないエポックまたは検証評価の最小数。 正の整数にする必要があります。
enableOnnxNormalization	boolean		ONNX モデルをエクスポートするときに正規化を有効にします。
evaluationFrequency	integer		メトリック スコアを取得するために検証データセットを評価する頻度。 正の整数にする必要があります。
gradientAccumulationStep	integer		グラデーションの累積とは、モデルの重みを更新せずに構成された数の "GradAccumulationStep" ステップを実行し、それらのステップのグラデーションを累積した後、累積されたグラデーションを使用して重みの更新を計算することを意味します。 正の整数にする必要があります。
imageSize	integer		トレーニングおよび検証用の画像サイズ。 正の整数にする必要があります。 注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る可能性があります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。
layersToFreeze	integer		モデルに固定するレイヤーの数。 正の整数にする必要があります。 たとえば、'seresnext' の値として 2 を渡すと、レイヤー 0 とレイヤー 1 がフリーズします。 サポートされているモデルの完全な一覧とレイヤー固定の詳細については、 を参照してください https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。
learningRate	number		初期学習率。 範囲 [0, 1] の float にする必要があります。
learningRateScheduler	LearningRateScheduler	None	学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。
maxSize	integer		バックボーンにフィードする前に再スケーリングする画像の最大サイズ。 正の整数にする必要があります。 注: サイズが大きすぎる場合、トレーニングの実行が CUDA OOM になることがあります。 注: この設定は、"yolov5" アルゴリズムではサポートされていません。
minSize	integer		バックボーンにフィードする前に再スケーリングする画像の最小サイズ。 正の整数にする必要があります。 注: サイズが大きすぎる場合、トレーニングの実行が CUDA OOM になることがあります。 注: この設定は、"yolov5" アルゴリズムではサポートされていません。
modelName	string		トレーニングに使用するモデルの名前。 使用可能なモデルの詳細については、公式ドキュメントを参照してください。 https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models
modelSize	ModelSize	None	モデルのサイズ。 'small'、'medium'、'large'、または 'xlarge' である必要があります。 注: モデルのサイズが大きすぎる場合、トレーニングの実行が CUDA OOM になることがあります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。
momentum	number		オプティマイザーが 'sgd' の場合のモメンタムの値。 範囲 [0, 1] の float にする必要があります。
multiScale	boolean		イメージ サイズを +/- 50% 変更して、マルチスケール イメージを有効にします。 注: 十分な GPU メモリがない場合、トレーニングの実行が CUDA OOM になることがあります。 注: この設定は、'yolov5' アルゴリズムでのみサポートされています。
nesterov	boolean		オプティマイザーが 'sgd' の場合は nesterov を有効にします。
nmsIouThreshold	number		NMS の後処理で推論中に使用される IOU しきい値。 範囲 [0, 1] の float にする必要があります。
numberOfEpochs	integer		トレーニング エポックの数。 正の整数にする必要があります。
numberOfWorkers	integer		データ ローダー ワーカーの数。 負以外の整数である必要があります。
optimizer	StochasticOptimizer	None	オプティマイザーの種類。
randomSeed	integer		決定論的トレーニングを使用するときに使用されるランダム シード。
stepLRGamma	number		学習率スケジューラが "step" の場合のガンマの値。 範囲 [0, 1] の float にする必要があります。
stepLRStepSize	integer		学習率スケジューラが "step" の場合のステップ サイズの値。 正の整数にする必要があります。
tileGridSize	string		各画像のタイルに使用するグリッド サイズ。 注: 小さなオブジェクト検出ロジックを有効にするには、TileGridSize を None にすることはできません。 mxn 形式の 2 つの整数を含む文字列。 注: この設定は、"yolov5" アルゴリズムではサポートされていません。
tileOverlapRatio	number		各ディメンションの隣接するタイル間のオーバーラップ率。 [0, 1] の範囲内で float である必要があります。 注: この設定は、"yolov5" アルゴリズムではサポートされていません。
tilePredictionsNmsThreshold	number		タイルおよび画像から予測をマージしながら NMS を実行するために使用する IOU しきい値。 検証や推論で使用されます。 範囲 [0, 1] に float を指定する必要があります。 注: この設定は、"yolov5" アルゴリズムではサポートされていません。
trainingBatchSize	integer		トレーニング バッチ サイズ。 正の整数にする必要があります。
validationBatchSize	integer		検証バッチ サイズ。 正の整数にする必要があります。
validationIouThreshold	number		検証メトリックを計算するときに使用する IOU しきい値。 [0, 1] の範囲内で float である必要があります。
validationMetricType	ValidationMetricType	None	検証メトリックに使用するメトリック計算方法。
warmupCosineLRCycles	number		学習率スケジューラが "warmup_cosine" の場合のコサイン サイクルの値。 範囲 [0, 1] の float にする必要があります。
warmupCosineLRWarmupEpochs	integer		学習率スケジューラが "warmup_cosine" の場合のウォームアップ エポックの値。 正の整数にする必要があります。
weightDecay	number		オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。 範囲 [0, 1] の float である必要があります。

ImageObjectDetection

画像オブジェクトの検出。 物体検出は、画像内のオブジェクトを識別し、境界ボックスを持つ各オブジェクトを見つけるために使用されます。たとえば、画像内のすべての犬と猫を見つけて、それぞれの周りに境界ボックスを描画します。

名前	型	既定値	説明
limitSettings	ImageLimitSettings		[必須]AutoML ジョブの設定を制限します。
logVerbosity	LogVerbosity	Info	ジョブの詳細度をログに記録します。
modelSettings	ImageModelSettingsObjectDetection		モデルのトレーニングに使用される設定。
primaryMetric	ObjectDetectionPrimaryMetrics	MeanAveragePrecision	このタスク用に最適化する主なメトリック。
searchSpace	ImageModelDistributionSettingsObjectDetection[]		Searchモデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするためのスペースです。
sweepSettings	ImageSweepSettings		モデル スイープとハイパーパラメーター スイープ関連の設定。
targetColumnName	string		ターゲット列名: これは予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。
taskType	string: ImageObjectDetection		[必須]AutoMLJob のタスクの種類。
trainingData	MLTableJobInput		[必須]トレーニング データの入力。
validationData	MLTableJobInput		検証データの入力。
validationDataSize	number		検証のために確保する必要があるトレーニング データセットの割合。 (0.0 , 1.0) の間の値検証データセットが指定されていない場合に適用されます。

ImageSweepSettings

モデル スイープとハイパーパラメーター スイープ関連の設定。

名前	型	説明
earlyTermination	EarlyTerminationPolicy: BanditPolicy MedianStoppingPolicy TruncationSelectionPolicy	早期終了ポリシーの種類。
samplingAlgorithm	SamplingAlgorithmType	[必須]ハイパーパラメーター サンプリング アルゴリズムの種類。

InputDeliveryMode

入力データ配信モードを決定する列挙型。

名前	型	説明
Direct	string
Download	string
EvalDownload	string
EvalMount	string
ReadOnlyMount	string
ReadWriteMount	string

InstanceSegmentationPrimaryMetrics

InstanceSegmentation タスクのプライマリ メトリック。

名前	型	説明
MeanAveragePrecision	string	平均平均精度 (MAP) は、AP の平均 (平均精度) です。 AP はクラスごとに計算され、MAP を取得するために平均化されます。

JobBaseResource

Azure Resource Manager リソース エンベロープ。

名前	型	説明
id	string	リソースの完全修飾リソース ID。 例 - /subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/{resourceProviderNamespace}/{resourceType}/{resourceName}
name	string	リソースの名前
properties	JobBase: AutoMLJob CommandJob PipelineJob SparkJob SweepJob	[必須]エンティティの追加の属性。
systemData	systemData	createdBy および modifiedBy 情報を含む Azure Resource Manager メタデータ。
type	string	リソースの型。 例: "Microsoft.Compute/virtualMachines" または "Microsoft.Storage/storageAccounts"

JobInputType

ジョブ入力の種類を決定する列挙型。

名前	型	説明
custom_model	string
literal	string
mlflow_model	string
mltable	string
triton_model	string
uri_file	string
uri_folder	string

JobLimitsType

名前	型	説明
Command	string
Sweep	string

JobOutputType

ジョブ出力の種類を決定する列挙型。

名前	型	説明
custom_model	string
mlflow_model	string
mltable	string
triton_model	string
uri_file	string
uri_folder	string

JobResourceConfiguration

名前	型	既定値	説明
dockerArgs	string		Docker 実行コマンドに渡す追加の引数。 これにより、システムまたはこのセクションで既に設定されているパラメーターがオーバーライドされます。 このパラメーターは、Azure ML コンピューティングの種類でのみサポートされます。
instanceCount	integer	1	コンピューティング 先で使用されるインスタンスまたはノードの数 (省略可能)。
instanceType	string		コンピューティング 先でサポートされている VM のオプションの種類。
properties	object		その他のプロパティ バッグ。
shmSize	string	2g	Docker コンテナーの共有メモリ ブロックのサイズ。 これは、(number)(unit) の形式である必要があります。数値は 0 より大きく、単位は b(バイト)、k(キロバイト)、m(メガバイト)、または g(ギガバイト) のいずれかになります。

JobService

ジョブ エンドポイントの定義

名前	型	説明
endpoint	string	エンドポイントの URL。
errorMessage	string	サービス内のエラー。
jobServiceType	string	エンドポイントの種類。
nodes	Nodes: AllNodes	ユーザーがサービスを開始するノード。 ノードが設定されていないか null に設定されていない場合、サービスはリーダー ノードでのみ開始されます。
port	integer	エンドポイントのポート。
properties	object	エンドポイントに設定する追加のプロパティ。
status	string	エンドポイントの状態。

JobStatus

ジョブの状態。

名前	型	説明
CancelRequested	string	ジョブの取り消しが要求されました。
Canceled	string	取り消し要求の後、ジョブは正常に取り消されました。
Completed	string	ジョブが正常に完了しました。 これは、ジョブ自体と出力コレクションの状態の両方が正常に完了したことを反映しています
Failed	string	ジョブが失敗しました。
Finalizing	string	ターゲットでジョブが完了しました。 現在、出力コレクションの状態です。
NotResponding	string	ハートビートが有効になっている場合、実行で RunHistory に情報が更新されていない場合、実行は NotResponding 状態になります。 NotResponding は、厳密な移行順序から除外される唯一の状態です。 実行は NotResponding から以前の状態のいずれかに移動できます。
NotStarted	string	実行はまだ開始されていません。
Paused	string	ジョブはユーザーによって一時停止されます。 ラベル付けジョブに対する一部の調整は、一時停止状態でのみ行うことができます。
Preparing	string	実行環境の準備中です。
Provisioning	string	(現在は使用されていません)これは、ES がコンピューティング 先を作成している場合に使用されます。
Queued	string	ジョブはコンピューティング 先でキューに登録されます。 たとえば、BatchAI では、ジョブはキューに登録された状態で、必要なすべてのノードの準備が整うのを待ちます。
Running	string	ジョブがコンピューティング 先で実行を開始しました。
Starting	string	実行が開始されました。 ユーザーは実行 ID を持っています。
Unknown	string	他のすべての状態にマップされていない場合の既定のジョブの状態

JobTier

ジョブ層を決定する列挙型。

名前	型	説明
Basic	string
Null	string
Premium	string
Spot	string
Standard	string

JobType

ジョブの種類を決定する列挙型。

名前	型	説明
AutoML	string
Command	string
Pipeline	string
Spark	string
Sweep	string

LearningRateScheduler

学習率スケジューラ列挙型。

名前	型	説明
None	string	学習率スケジューラが選択されていません。
Step	string	ステップ学習率スケジューラ。
WarmupCosine	string	ウォームアップによるコサインアニーリング。

LiteralJobInput

リテラル入力の種類。

名前	型	説明
description	string	入力の説明。
jobInputType	string: literal	[必須]ジョブの種類を指定します。
value	string	[必須]入力のリテラル値。

LogVerbosity

ログの詳細度を設定するための列挙型。

名前	型	説明
Critical	string	重要なステートメントのみがログに記録されます。
Debug	string	デバッグ以降のログ ステートメントがログに記録されます。
Error	string	エラー以降のログ ステートメントがログに記録されました。
Info	string	ログに記録された情報以上のログ ステートメント。
NotSet	string	ログは出力されません。
Warning	string	警告以上のログ ステートメントがログに記録されました。

ManagedIdentity

マネージド ID の構成。

名前	型	説明
clientId	string	クライアント ID でユーザー割り当て ID を指定します。 システム割り当ての場合は、このフィールドを設定しないでください。
identityType	string: Managed	[必須]ID フレームワークの種類を指定します。
objectId	string	オブジェクト ID でユーザー割り当て ID を指定します。 システム割り当ての場合は、このフィールドを設定しないでください。
resourceId	string	ARM リソース ID でユーザー割り当て ID を指定します。 システム割り当ての場合は、このフィールドを設定しないでください。

MedianStoppingPolicy

すべての実行のプライマリ メトリックの実行平均に基づいて早期終了ポリシーを定義します

名前	型	既定値	説明
delayEvaluation	integer	0	最初の評価を遅らせる間隔の数。
evaluationInterval	integer	0	ポリシー評価間の間隔 (実行数)。
policyType	string: MedianStopping		[必須]ポリシー構成の名前

MLFlowModelJobInput

名前	型	既定値	説明
description	string		入力の説明。
jobInputType	string: mlflow_model		[必須]ジョブの種類を指定します。
mode	InputDeliveryMode	ReadOnlyMount	入力アセット配信モード。
uri	string		[必須]入力アセット URI。

MLFlowModelJobOutput

名前	型	既定値	説明
description	string		出力の説明。
jobOutputType	string: mlflow_model		[必須]ジョブの種類を指定します。
mode	OutputDeliveryMode	ReadWriteMount	出力資産配信モード。
uri	string		出力アセット URI。

MLTableJobInput

名前	型	既定値	説明
description	string		入力の説明。
jobInputType	string: mltable		[必須]ジョブの種類を指定します。
mode	InputDeliveryMode	ReadOnlyMount	入力アセット配信モード。
uri	string		[必須]入力アセット URI。

MLTableJobOutput

名前	型	既定値	説明
description	string		出力の説明。
jobOutputType	string: mltable		[必須]ジョブの種類を指定します。
mode	OutputDeliveryMode	ReadWriteMount	出力資産配信モード。
uri	string		出力アセット URI。

ModelSize

イメージ モデルのサイズ。

名前	型	説明
ExtraLarge	string	特大サイズ。
Large	string	大きなサイズ。
Medium	string	中程度のサイズ。
None	string	値が選択されていません。
Small	string	小さいサイズ。

Mpi

MPI ディストリビューションの構成。

名前	型	説明
distributionType	string: Mpi	[必須]ディストリビューション フレームワークの種類を指定します。
processCountPerInstance	integer	MPI ノードあたりのプロセス数。

NCrossValidationsMode

N クロス検証値の決定方法を決定します。

名前	型	説明
Auto	string	N クロス検証値を自動的に決定します。 "予測" AutoML タスクでのみサポートされます。
Custom	string	カスタム N クロス検証値を使用します。

NlpVerticalFeaturizationSettings

名前	型	説明
datasetLanguage	string	テキスト データに役立つデータセット言語。

NlpVerticalLimitSettings

ジョブ実行の制約。

名前	型	既定値	説明
maxConcurrentTrials	integer	1	同時実行 AutoML の最大反復回数。
maxTrials	integer	1	AutoML イテレーションの数。
timeout	string	P7D	AutoML ジョブのタイムアウト。

NodesValueType

ノード値の列挙型

名前	型	説明
All	string

NotificationSetting

通知の構成。

名前	型	説明
emailOn	EmailNotificationEnableType[]	指定した通知の種類に関する電子メール通知をユーザーに送信する
emails	string[]	これは、コンマ区切り記号を使用した合計 concat で 499 文字の制限がある電子メール受信者リストです
webhooks	object	Webhook コールバックをサービスに送信します。 キーは、Webhook のユーザー指定の名前です。

ObjectDetectionPrimaryMetrics

Image ObjectDetection タスクのプライマリ メトリック。

名前	型	説明
MeanAveragePrecision	string	平均平均精度 (MAP) は、AP の平均 (平均精度) です。 AP はクラスごとに計算され、MAP を取得するために平均化されます。

Objective

最適化の目的。

名前	型	説明
goal	Goal	[必須]ハイパーパラメーターチューニングでサポートされるメトリック目標を定義します
primaryMetric	string	[必須]最適化するメトリックの名前。

OutputDeliveryMode

出力データ配信モード列挙型。

名前	型	説明
Direct	string
ReadWriteMount	string
Upload	string

PipelineJob

パイプライン ジョブ定義: ジェネリックから MFE 属性を定義します。

名前	型	既定値	説明
componentId	string		コンポーネント リソースの ARM リソース ID。
computeId	string		コンピューティング リソースの ARM リソース ID。
description	string		資産の説明テキスト。
displayName	string		ジョブの表示名。
experimentName	string	Default	ジョブが属する実験の名前。 設定されていない場合、ジョブは "Default" 実験に配置されます。
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		ID の構成。 設定する場合は、AmlToken、ManagedIdentity、UserIdentity、または null のいずれかである必要があります。 null の場合、既定値は AmlToken になります。
inputs	object		パイプライン ジョブの入力。
isArchived	boolean	False	資産はアーカイブされていますか?
jobType	string: Pipeline		[必須]ジョブの種類を指定します。
jobs	object		ジョブはパイプライン ジョブを構築します。
notificationSetting	NotificationSetting		ジョブの通知設定
outputs	object		パイプライン ジョブの出力
properties	object		資産プロパティディクショナリ。
services	<string,  JobService>		JobEndpoints の一覧。 ローカル ジョブの場合、ジョブ エンドポイントのエンドポイント値は FileStreamObject になります。
settings	object		ContinueRunOnStepFailure などのパイプライン設定。
sourceJobId	string		ソース ジョブの ARM リソース ID。
status	JobStatus		ジョブの状態。
tags	object		タグ辞書。 タグは追加、削除、更新できます。

PyTorch

PyTorch ディストリビューションの構成。

名前	型	説明
distributionType	string: PyTorch	[必須]ディストリビューション フレームワークの種類を指定します。
processCountPerInstance	integer	ノードあたりのプロセス数。

QueueSettings

名前	型	既定値	説明
jobTier	JobTier	Null	コンピューティング ジョブレベルを制御します

RandomSamplingAlgorithm

値をランダムに生成するサンプリング アルゴリズムを定義します

名前	型	既定値	説明
rule	RandomSamplingAlgorithmRule	Random	ランダム アルゴリズムの特定の種類
samplingAlgorithmType	string: Random		[必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム
seed	integer		乱数生成のシードとして使用する省略可能な整数

RandomSamplingAlgorithmRule

ランダム アルゴリズムの特定の種類

名前	型	説明
Random	string
Sobol	string

Regression

AutoML テーブルの垂直方向の回帰タスク。

名前	型	既定値	説明
cvSplitColumnNames	string[]		CVSplit データに使用する列。
featurizationSettings	TableVerticalFeaturizationSettings		AutoML ジョブに必要な特徴付け入力。
limitSettings	TableVerticalLimitSettings		AutoMLJob の実行制約。
logVerbosity	LogVerbosity	Info	ジョブの詳細度をログに記録します。
nCrossValidations	NCrossValidations: AutoNCrossValidations CustomNCrossValidations		検証データセットが指定されていない場合にトレーニング データセットに適用されるクロス検証フォールドの数。
primaryMetric	RegressionPrimaryMetrics	NormalizedRootMeanSquaredError	回帰タスクの主なメトリック。
targetColumnName	string		ターゲット列名: これは予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。
taskType	string: Regression		[必須]AutoMLJob のタスクの種類。
testData	MLTableJobInput		データ入力をテストします。
testDataSize	number		検証のために確保する必要があるテスト データセットの割合。 (0.0 , 1.0) の間の値検証データセットが指定されていない場合に適用されます。
trainingData	MLTableJobInput		[必須]トレーニング データの入力。
trainingSettings	RegressionTrainingSettings		AutoML ジョブのトレーニング フェーズの入力。
validationData	MLTableJobInput		検証データの入力。
validationDataSize	number		検証のために確保する必要があるトレーニング データセットの割合。 (0.0 , 1.0) の間の値検証データセットが指定されていない場合に適用されます。
weightColumnName	string		サンプルの重み列の名前。 自動 ML では、入力として重み付け列がサポートされているため、データ内の行が重み付けされます。

RegressionModels

AutoML でサポートされているすべての回帰モデルの列挙型。

名前	型	説明
DecisionTree	string	デシジョン ツリーは、分類タスクと回帰タスクの両方に使用されるノンパラメトリック教師あり学習方法です。 目標は、データ特徴から推論された単純な決定ルールを学習することによって、ターゲット変数の値を予測するモデルを作成することです。
ElasticNet	string	エラスティック ネットは、一般的な 2 つのペナルティ (特に L1 と L2 のペナルティ関数) を組み合わせた一般的なタイプの正則化線形回帰です。
ExtremeRandomTrees	string	Extreme Trees は、多くのデシジョン ツリーからの予測を組み合わせたアンサンブル機械学習アルゴリズムです。 これは、広く使用されているランダム フォレスト アルゴリズムに関連しています。
GradientBoosting	string	週の学習者を強力な学習者に転送する手法は Boosting と呼ばれます。 勾配ブースティング アルゴリズム プロセスは、この実行理論に対して機能します。
KNN	string	K ニアレスト ネイバー (KNN) アルゴリズムは、"特徴類似性" を使用して新しいデータ ポイントの値を予測します。つまり、トレーニング セット内のポイントとどの程度一致するかに基づいて、新しいデータ ポイントに値が割り当てられることを意味します。
LassoLars	string	なげなわモデルは、最小角度回帰 (例: Lars) に適合します。 これは、正則化の前に L1 でトレーニングされた線形モデルです。
LightGBM	string	LightGBM は、ツリー ベースの学習アルゴリズムを使用する勾配ブースティング フレームワークです。
RandomForest	string	ランダム フォレストは、教師あり学習アルゴリズムです。 構築する "フォレスト" はデシジョン ツリーのアンサンブルであり、通常は "バギング" メソッドでトレーニングされます。 バギング方法の一般的な考え方は、学習モデルの組み合わせによって全体的な結果が増加することです。
SGD	string	SGD: 確率勾配降下法は、機械学習アプリケーションでよく使用される最適化アルゴリズムであり、予測出力と実際の出力の最適な適合に対応するモデル パラメーターを検索します。 これは、非具体的だが強力な手法です。
XGBoostRegressor	string	XGBoostRegressor: Extreme Gradient Boosting Regressor は、基本学習者のアンサンブルを使用した教師あり機械学習モデルです。

RegressionPrimaryMetrics

回帰タスクの主なメトリック。

名前	型	説明
NormalizedMeanAbsoluteError	string	正規化平均絶対誤差 (NMAE) は、(時間) 系列の平均絶対誤差 (MAE) と異なるスケールを比較する検証メトリックです。
NormalizedRootMeanSquaredError	string	RMSE の正規化された 2 乗平均二乗誤差 (NRMSE) により、スケールが異なるモデル間の比較が容易になります。
R2Score	string	R2 スコアは、予測ベースの機械学習モデルのパフォーマンス評価メジャーの 1 つです。
SpearmanCorrelation	string	スピアマンの順位相関係数は、ランク相関の非パラメーター測定です。

RegressionTrainingSettings

回帰トレーニング関連の構成。

名前	型	既定値	説明
allowedTrainingAlgorithms	RegressionModels[]		回帰タスクに使用できるモデル。
blockedTrainingAlgorithms	RegressionModels[]		回帰タスクのブロックされたモデル。
enableDnnTraining	boolean	False	DNN モデルの推奨事項を有効にします。
enableModelExplainability	boolean	True	最適なモデルで説明性を有効にするフラグ。
enableOnnxCompatibleModels	boolean	False	onnx 互換モデルを有効にするフラグ。
enableStackEnsemble	boolean	True	スタック アンサンブル実行を有効にします。
enableVoteEnsemble	boolean	True	投票アンサンブル実行を有効にします。
ensembleModelDownloadTimeout	string	PT5M	VotingEnsemble と StackEnsemble モデルの生成中に、前の子実行から複数の適合モデルがダウンロードされます。 より長い時間が必要な場合は、このパラメーターを 300 秒より大きい値に設定します。
stackEnsembleSettings	StackEnsembleSettings		スタック アンサンブル実行のスタック アンサンブル設定。

SamplingAlgorithmType

名前	型	説明
Bayesian	string
Grid	string
Random	string

SeasonalityMode

季節性モードの予測。

名前	型	説明
Auto	string	自動的に決定される季節性。
Custom	string	カスタム季節性値を使用します。

ShortSeriesHandlingConfiguration

AutoML で短い時系列を処理する方法を定義するパラメーター。

名前	型	説明
Auto	string	長い系列がない場合、短い系列は埋め込まれます。それ以外の場合、短い系列は削除されます。
Drop	string	すべての短いシリーズは削除されます。
None	string	no/null 値を表します。
Pad	string	すべての短いシリーズが埋め込まれます。

SparkJob

Spark ジョブ定義。

名前	型	既定値	説明
archives	string[]		ジョブで使用されるアーカイブ ファイル。
args	string		ジョブの引数。
codeId	string		[必須] コード資産の arm-id。
componentId	string		コンポーネント リソースの ARM リソース ID。
computeId	string		コンピューティング リソースの ARM リソース ID。
conf	object		Spark で構成されたプロパティ。
description	string		資産の説明テキスト。
displayName	string		ジョブの表示名。
entry	SparkJobEntry: SparkJobPythonEntry SparkJobScalaEntry		[必須]ジョブの起動時に実行するエントリ。
environmentId	string		ジョブの環境仕様の ARM リソース ID。
environmentVariables	object		ジョブに含まれる環境変数。
experimentName	string	Default	ジョブが属する実験の名前。 設定されていない場合、ジョブは "Default" 実験に配置されます。
files	string[]		ジョブで使用されるファイル。
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		ID の構成。 設定されている場合、これは AmlToken、ManagedIdentity、UserIdentity、または null のいずれかである必要があります。 null の場合、既定値は AmlToken です。
inputs	object		ジョブで使用される入力データ バインディングのマッピング。
isArchived	boolean	False	資産はアーカイブされていますか?
jars	string[]		ジョブで使用される Jar ファイル。
jobType	string: Spark		[必須]ジョブの種類を指定します。
notificationSetting	NotificationSetting		ジョブの通知設定
outputs	object		ジョブで使用される出力データ バインディングのマッピング。
properties	object		資産プロパティディクショナリ。
pyFiles	string[]		ジョブで使用される Python ファイル。
queueSettings	QueueSettings		ジョブのキュー設定
resources	SparkResourceConfiguration		ジョブのコンピューティング リソースの構成。
services	<string,  JobService>		JobEndpoints の一覧。 ローカル ジョブの場合、ジョブ エンドポイントのエンドポイント値は FileStreamObject になります。
status	JobStatus		ジョブの状態。
tags	object		タグ辞書。 タグは追加、削除、更新できます。

SparkJobEntryType

名前	型	説明
SparkJobPythonEntry	string
SparkJobScalaEntry	string

SparkJobPythonEntry

名前	型	説明
file	string	[必須]ジョブ エントリ ポイントの相対 Python ファイル パス。
sparkJobEntryType	string: SparkJobPythonEntry	[必須]ジョブのエントリ ポイントの種類。

SparkJobScalaEntry

名前	型	説明
className	string	[必須]エントリ ポイントとして使用される Scala クラス名。
sparkJobEntryType	string: SparkJobScalaEntry	[必須]ジョブのエントリ ポイントの種類。

SparkResourceConfiguration

名前	型	既定値	説明
instanceType	string		コンピューティング 先でサポートされている VM のオプションの種類。
runtimeVersion	string	3.1	ジョブに使用される Spark ランタイムのバージョン。

StackEnsembleSettings

StackEnsemble の実行をカスタマイズするための設定を進めます。

名前	型	既定値	説明
stackMetaLearnerKWargs	object		メタ学習者の初期化子に渡す省略可能なパラメーター。
stackMetaLearnerTrainPercentage	number	0.2	メタ学習者のトレーニング用に予約するトレーニング セット (トレーニングと検証の種類を選択する場合) の割合を指定します。 既定値は 0.2 です。
stackMetaLearnerType	StackMetaLearnerType	None	メタ学習者は、個々の異種モデルの出力でトレーニングされたモデルです。

StackMetaLearnerType

メタ学習者は、個々の異種モデルの出力でトレーニングされたモデルです。 既定のメタ学習者は、分類タスク (またはクロス検証が有効な場合は LogisticRegressionCV) の場合は LogisticRegression、回帰/予測タスクの場合は ElasticNet (クロス検証が有効な場合は ElasticNetCV) です。 このパラメーターには、LogisticRegression、LogisticRegressionCV、LightGBMClassifier、ElasticNet、ElasticNetCV、LightGBMRegressor、LinearRegression のいずれかの文字列を指定できます。

名前	型	説明
ElasticNet	string	既定のメタ学習者は、回帰タスクの LogisticRegression です。
ElasticNetCV	string	既定のメタ学習者は、CV がオンの場合の回帰タスクの LogisticRegression です。
LightGBMClassifier	string
LightGBMRegressor	string
LinearRegression	string
LogisticRegression	string	既定のメタ学習者は、分類タスクの LogisticRegression です。
LogisticRegressionCV	string	既定のメタ学習者は、CV がオンの場合の分類タスクの LogisticRegression です。
None	string

StochasticOptimizer

イメージ モデルの確率オプティマイザー。

名前	型	説明
Adam	string	Adam は、モーメントのアダプティブ推定に基づいて確率的な目的関数を最適化するアルゴリズムです
Adamw	string	AdamW はオプティマイザー Adam のバリエーションであり、重量減衰の実装が改善されています。
None	string	オプティマイザーが選択されていません。
Sgd	string	確率的勾配降下オプティマイザー。

SweepJob

スイープ ジョブ定義。

名前	型	既定値	説明
componentId	string		コンポーネント リソースの ARM リソース ID。
computeId	string		コンピューティング リソースの ARM リソース ID。
description	string		資産の説明テキスト。
displayName	string		ジョブの表示名。
earlyTermination	EarlyTerminationPolicy: BanditPolicy MedianStoppingPolicy TruncationSelectionPolicy		早期終了ポリシーを使用すると、実行が完了する前にパフォーマンスの低い実行を取り消す
experimentName	string	Default	ジョブが属する実験の名前。 設定されていない場合、ジョブは "Default" 実験に配置されます。
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		ID の構成。 設定されている場合、これは AmlToken、ManagedIdentity、UserIdentity、または null のいずれかである必要があります。 null の場合、既定値は AmlToken です。
inputs	object		ジョブで使用される入力データ バインディングのマッピング。
isArchived	boolean	False	資産はアーカイブされていますか?
jobType	string: Sweep		[必須]ジョブの種類を指定します。
limits	SweepJobLimits	{}	スイープ ジョブの制限。
notificationSetting	NotificationSetting		ジョブの通知設定
objective	Objective		[必須]最適化の目的。
outputs	object		ジョブで使用される出力データ バインディングのマッピング。
properties	object		資産プロパティディクショナリ。
queueSettings	QueueSettings		ジョブのキュー設定
samplingAlgorithm	SamplingAlgorithm: BayesianSamplingAlgorithm GridSamplingAlgorithm RandomSamplingAlgorithm		[必須]ハイパーパラメーター サンプリング アルゴリズム
searchSpace	object		[必須]各パラメーターとその分布を含むディクショナリ。 ディクショナリ キーは パラメーターの名前です
services	<string,  JobService>		JobEndpoints の一覧。 ローカル ジョブの場合、ジョブ エンドポイントのエンドポイント値は FileStreamObject になります。
status	JobStatus		ジョブの状態。
tags	object		タグ辞書。 タグは追加、削除、更新できます。
trial	TrialComponent		[必須]試用版コンポーネントの定義。

SweepJobLimits

スイープ ジョブ制限クラス。

名前	型	説明
jobLimitsType	string: Sweep	[必須]JobLimit 型。
maxConcurrentTrials	integer	スイープ ジョブの最大同時試行回数。
maxTotalTrials	integer	スイープ ジョブの最大試行回数。
timeout	string	ISO 8601 形式の最大実行時間。その後、ジョブは取り消されます。 有効桁数が秒の期間のみをサポートします。
trialTimeout	string	スイープ ジョブ試用版のタイムアウト値。

systemData

リソースの作成と最後の変更に関連するメタデータ。

名前	型	説明
createdAt	string	リソース作成のタイムスタンプ (UTC)。
createdBy	string	リソースを作成した ID。
createdByType	createdByType	リソースを作成した ID の種類。
lastModifiedAt	string	リソースの最終変更のタイムスタンプ (UTC)
lastModifiedBy	string	リソースを最後に変更した ID。
lastModifiedByType	createdByType	リソースを最後に変更した ID の種類。

TableVerticalFeaturizationSettings

特徴付けの構成。

名前	型	既定値	説明
blockedTransformers	BlockedTransformers[]		これらのトランスフォーマーは特徴付けには使用しないでください。
columnNameAndTypes	object		列名とその型 (int、float、string、datetime など) のディクショナリ。
datasetLanguage	string		データセット言語。テキスト データに役立ちます。
enableDnnFeaturization	boolean	False	データ特徴付けに Dnn ベースの特徴付け器を使用するかどうかを決定します。
mode	FeaturizationMode	Auto	特徴付けモード - ユーザーは既定の "自動" モードを維持でき、AutoML は特徴付けフェーズでのデータの必要な変換を処理します。 [オフ] が選択されている場合、特徴付けは行われません。 [カスタム] が選択されている場合、ユーザーは追加の入力を指定して特徴付けの実行方法をカスタマイズできます。
transformerParams	object		ユーザーは、使用する追加のトランスフォーマーと、それが適用される列、およびトランスフォーマー コンストラクターのパラメーターを指定できます。

TableVerticalLimitSettings

ジョブ実行の制約。

名前	型	既定値	説明
enableEarlyTermination	boolean	True	早期終了を有効にします。過去 20 回のイテレーションでスコアの改善がない場合に AutoMLJob が早期に終了するかどうかを決定します。
exitScore	number		AutoML ジョブの終了スコア。
maxConcurrentTrials	integer	1	最大同時実行イテレーション数。
maxCoresPerTrial	integer	-1	イテレーションあたりの最大コア数。
maxTrials	integer	1000	イテレーションの回数。
timeout	string	PT6H	AutoML ジョブのタイムアウト。
trialTimeout	string	PT30M	イテレーションのタイムアウト。

TargetAggregationFunction

ターゲット集計関数。

名前	型	説明
Max	string
Mean	string
Min	string
None	string	値セットを表しません。
Sum	string

TargetLagsMode

ターゲットラグ選択モード。

名前	型	説明
Auto	string	ターゲットラグが自動的に決定されます。
Custom	string	カスタム ターゲットラグを使用します。

TargetRollingWindowSizeMode

ローリング ウィンドウ サイズ モードをターゲットにします。

名前	型	説明
Auto	string	ローリング ウィンドウのサイズを自動的に決定します。
Custom	string	指定したローリング ウィンドウ サイズを使用します。

TaskType

AutoMLJob タスクの種類。

名前	型	説明
Classification	string	機械学習と統計の分類は、コンピューター プログラムが与えられたデータから学習し、新しい観察または分類を行う教師あり学習アプローチです。
Forecasting	string	予測は、時系列データを処理し、入力に基づいて近い将来の値を予測するために使用できる予測モデルを作成する、特別な種類の回帰タスクです。
ImageClassification	string	画像の分類。 複数クラスの画像分類は、一連のクラスから 1 つのラベルのみで画像が分類される場合に使用されます。たとえば、各画像は "cat" または "dog" または "duck" の画像として分類されます。
ImageClassificationMultilabel	string	画像分類マルチラベル。 複数ラベルの画像分類は、画像が一連のラベルから 1 つ以上のラベルを持つことができる場合に使用されます。たとえば、画像を "cat" と "dog" の両方でラベル付けできます。
ImageInstanceSegmentation	string	イメージ インスタンスのセグメント化。 インスタンスのセグメント化は、画像内のオブジェクトをピクセル レベルで識別し、画像内の各オブジェクトの周りに多角形を描画するために使用されます。
ImageObjectDetection	string	画像オブジェクトの検出。 物体検出は、画像内のオブジェクトを識別し、境界ボックスを持つ各オブジェクトを見つけるために使用されます。たとえば、画像内のすべての犬と猫を見つけて、それぞれの周りに境界ボックスを描画します。
Regression	string	回帰とは、入力データを使用して値を予測することを意味します。 回帰モデルは、連続値を予測するために使用されます。
TextClassification	string	テキスト分類 (テキストタグ付けまたはテキスト分類とも呼ばれます) は、テキストをカテゴリに並べ替えるプロセスです。 カテゴリは相互に排他的です。
TextClassificationMultilabel	string	複数ラベル分類タスクは、各サンプルをターゲット ラベルのグループ (0 個以上) に割り当てます。
TextNER	string	Text Named Entity Recognition a.k.a. TextNER. 名前付きエンティティ認識 (NER) は、自由形式のテキストを取得し、人、場所、組織などのエンティティの出現箇所を識別する機能です。

TensorFlow

TensorFlow ディストリビューションの構成。

名前	型	既定値	説明
distributionType	string: TensorFlow		[必須]ディストリビューション フレームワークの種類を指定します。
parameterServerCount	integer	0	パラメーター サーバー タスクの数。
workerCount	integer		worker 数。 指定しない場合、 は既定でインスタンス数になります。

TextClassification

AutoML NLP 縦書きのテキスト分類タスク。 NLP - 自然言語処理。

名前	型	既定値	説明
featurizationSettings	NlpVerticalFeaturizationSettings		AutoML ジョブに必要な特徴付け入力。
limitSettings	NlpVerticalLimitSettings		AutoMLJob の実行制約。
logVerbosity	LogVerbosity	Info	ジョブの詳細度をログに記録します。
primaryMetric	ClassificationPrimaryMetrics	Accuracy	Text-Classification タスクのプライマリ メトリック。
targetColumnName	string		ターゲット列名: これは予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。
taskType	string: TextClassification		[必須]AutoMLJob のタスクの種類。
trainingData	MLTableJobInput		[必須]トレーニング データの入力。
validationData	MLTableJobInput		検証データの入力。

TextClassificationMultilabel

AutoML NLP 縦書きのテキスト分類マルチラベル タスク。 NLP - 自然言語処理。

名前	型	既定値	説明
featurizationSettings	NlpVerticalFeaturizationSettings		AutoML ジョブに必要な特徴付け入力。
limitSettings	NlpVerticalLimitSettings		AutoMLJob の実行制約。
logVerbosity	LogVerbosity	Info	ジョブの詳細度をログに記録します。
primaryMetric	ClassificationMultilabelPrimaryMetrics		Text-Classification-Multilabel タスクのプライマリ メトリック。 現在、プライマリ メトリックとしてサポートされているのは Accuracy のみです。そのため、ユーザーが明示的に設定する必要はありません。
targetColumnName	string		ターゲット列名: これは予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。
taskType	string: TextClassificationMultilabel		[必須]AutoMLJob のタスクの種類。
trainingData	MLTableJobInput		[必須]トレーニング データの入力。
validationData	MLTableJobInput		検証データの入力。

TextNer

AutoML NLP 縦書きのテキスト NER タスク。 NER - 名前付きエンティティ認識。 NLP - 自然言語処理。

名前	型	既定値	説明
featurizationSettings	NlpVerticalFeaturizationSettings		AutoML ジョブに必要な特徴付け入力。
limitSettings	NlpVerticalLimitSettings		AutoMLJob の実行制約。
logVerbosity	LogVerbosity	Info	ジョブの詳細度をログに記録します。
primaryMetric	ClassificationPrimaryMetrics		Text-NER タスクのプライマリ メトリック。 Text-NER では 'Accuracy' のみがサポートされているため、ユーザーはこれを明示的に設定する必要はありません。
targetColumnName	string		ターゲット列名: これは予測値列です。 分類タスクのコンテキストではラベル列名とも呼ばれます。
taskType	string: TextNER		[必須]AutoMLJob のタスクの種類。
trainingData	MLTableJobInput		[必須]トレーニング データの入力。
validationData	MLTableJobInput		検証データの入力。

TrialComponent

試用版コンポーネントの定義。

名前	型	既定値	説明
codeId	string		コード資産の ARM リソース ID。
command	string		[必須]ジョブの起動時に実行するコマンド。 例: "python train.py"
distribution	DistributionConfiguration: Mpi PyTorch TensorFlow		ジョブの配布構成。 設定されている場合、これは Mpi、Tensorflow、PyTorch、または null のいずれかである必要があります。
environmentId	string		[必須]ジョブの環境仕様の ARM リソース ID。
environmentVariables	object		ジョブに含まれる環境変数。
resources	JobResourceConfiguration	{}	ジョブのコンピューティング リソースの構成。

TritonModelJobInput

名前	型	既定値	説明
description	string		入力の説明。
jobInputType	string: triton_model		[必須]ジョブの種類を指定します。
mode	InputDeliveryMode	ReadOnlyMount	入力アセット配信モード。
uri	string		[必須]入力アセット URI。

TritonModelJobOutput

名前	型	既定値	説明
description	string		出力の説明。
jobOutputType	string: triton_model		[必須]ジョブの種類を指定します。
mode	OutputDeliveryMode	ReadWriteMount	出力資産配信モード。
uri	string		出力アセット URI。

TruncationSelectionPolicy

指定された割合の実行を評価間隔ごとに取り消す早期終了ポリシーを定義します。

名前	型	既定値	説明
delayEvaluation	integer	0	最初の評価を遅らせる間隔の数。
evaluationInterval	integer	0	ポリシー評価間の間隔 (実行数)。
policyType	string: TruncationSelection		[必須]ポリシー構成の名前
truncationPercentage	integer	0	各評価期間に取り消される実行の割合。

UriFileJobInput

名前	型	既定値	説明
description	string		入力の説明。
jobInputType	string: uri_file		[必須]ジョブの種類を指定します。
mode	InputDeliveryMode	ReadOnlyMount	入力アセット配信モード。
uri	string		[必須]入力アセット URI。

UriFileJobOutput

名前	型	既定値	説明
description	string		出力の説明。
jobOutputType	string: uri_file		[必須]ジョブの種類を指定します。
mode	OutputDeliveryMode	ReadWriteMount	出力資産配信モード。
uri	string		出力アセット URI。

UriFolderJobInput

名前	型	既定値	説明
description	string		入力の説明。
jobInputType	string: uri_folder		[必須]ジョブの種類を指定します。
mode	InputDeliveryMode	ReadOnlyMount	入力アセット配信モード。
uri	string		[必須]入力アセット URI。

UriFolderJobOutput

名前	型	既定値	説明
description	string		出力の説明。
jobOutputType	string: uri_folder		[必須]ジョブの種類を指定します。
mode	OutputDeliveryMode	ReadWriteMount	出力資産配信モード。
uri	string		出力アセット URI。

UserIdentity

ユーザー ID の構成。

名前	型	説明
identityType	string: UserIdentity	[必須]ID フレームワークの種類を指定します。

UseStl

時系列ターゲット列の STL 分解を構成します。

名前	型	説明
None	string	stl 分解なし。
Season	string
SeasonTrend	string

ValidationMetricType

画像タスクの検証メトリックに使用するメトリック計算方法。

名前	型	説明
Coco	string	Coco メトリック。
CocoVoc	string	CocoVoc メトリック。
None	string	メトリックなし。
Voc	string	Voc メトリック。

WebhookType

Webhook コールバック サービスの種類を決定する列挙型。

名前	型	説明
AzureDevOps	string