このトピックでは、本番環境で機械学習デザイナーを使用してトレーニングされたモデルをデプロイし、新しいデータの予測を生成する方法について説明します。
背景情報
モデルを配置した後、モデルを使用して新しいデータの予測を生成できます。 Machine Learning Designerは、リアルタイム予測とバッチ予測の2種類の予測サービスをサポートしています。 予測の適時性に関する要件に基づいて、これらのタイプから選択できます。
バッチ予測
予測コンポーネントをパイプラインに追加して、Machine Learning Designerを使用してバッチ予測を実装できます。 次に、パイプラインをDataWorksに送信し、定期的なタスクとしてスケジュールします。 詳細については、「バッチ予測」をご参照ください。
リアルタイム予測
モデルをオンラインサービスとしてデプロイして、リアルタイム予測を実装できます。 Pushボタンの展開は、Machine Learning DesignerによってトレーニングされたPredictive Model Markup Language (PMML) 、AlinkModel、およびXGBoostモデルで使用できます。 パラメータサーバー (PS) 形式のモデルは、オンラインサービスとして展開する前に準備が必要です。 詳細については、「シングルモードをオンラインサービスとして展開する」をご参照ください。
特定のパイプラインをオンラインサービスとしてデプロイして、リアルタイム予測を実装できます。 具体的には、Alinkアルゴリズムコンポーネントを使用して、データの前処理、機能エンジニアリング、およびモデル予測を実装するバッチデータ処理パイプラインを構築し、Elastic algorithm service (EAS) にオンラインサービスとしてパイプラインをデプロイできます。 これは、バッチモデルとしてパイプラインをパッケージ化した後、数回クリックするだけで実現できます。 詳細については、「オンラインサービスとしてのパイプラインのデプロイ」をご参照ください。
Machine Learning Designerを使用してオンラインサービスを更新できます。 Designerを使用してサービスを更新するには、サービスを更新するコンポーネントを、サービスのモデルを生成するコンポーネントの下流ノードとして接続します。 このモデルは、サービスのデプロイに使用されます。 DataWorksを使用してサービスを定期的に更新するには、モデルトレーニングとサービスの更新を実装するパイプラインをDataWorksに送信します。 詳細については、「オンラインモデルサービスの定期更新」をご参照ください。