datadrift パッケージ
モデル トレーニング データがスコアリング データからドリフトされたことを検出する機能が含まれています。
機械学習において "データ ドリフト" とは、モデルのパフォーマンスの低下につながるモデルの入力データの変更のことです。 これは、モデルの精度が時間の経過と共に低下する主な理由の 1 つであるため、データの誤差の監視はモデルのパフォーマンスの問題を検出するために役立ちます。 このパッケージを使用すると、データ ドリフトを検出してアラートを発することができます。
DataDriftDetector クラスを使用すると、データ ドリフトを分析するためのジョブとして実行できるデータ モニター オブジェクトを構成できます。 データ ドリフト ジョブは、対話形式で実行したり、スケジュールに基づいて実行したりできます。 データ ドリフトが AlertConfiguration クラスのしきい値を超えた場合にアラートを設定できます。
モジュール
| alert_configuration |
Azure Machine Learning でデータ ドリフト アラートを構成するための機能が含まれています。 |
| datadriftdetector |
Azure Machine Learning で 2 つのデータセット間のデータ ドリフトを検出するためのコア機能が含まれています。 データ ドリフトは、データセットまたはデプロイを介して測定され、Dataset API に依存します。 |
クラス
| AlertConfiguration |
データ ドリフト ジョブのアラート構成を表します。 AlertConfiguration クラスを使用すると、ジョブに対して構成可能なアラート (電子メールなど) を DataDriftDetector ジョブで設定できます。 DataDriftDetector クラスのいずれかの作成メソッドを使用する場合は、アラートの構成を指定できます。 コンストラクターです。 DataDriftDetector ジョブで構成可能なアラート (電子メールなど) を設定できます。 |
| DataDriftDetector |
Azure Machine Learning でデータ ドリフト ジョブを実行するために使用可能なデータ ドリフト モニターを定義します。 DataDriftDetector クラスを使用すると、特定のベースライン データセットとターゲット データセット間のドリフトを識別できます。 DataDriftDetector オブジェクトは、ベースラインとターゲットのデータセットを直接指定することで、ワークスペースに作成されます。 詳細については、「https://aka.ms/datadrift」を参照してください。 Datadriftdetector コンストラクター。 DataDriftDetector コンストラクターは、指定されたワークスペースに関連付けられている DataDriftDetector オブジェクトのクラウド表現を取得するために使用されます。 |
| Metric |
データ ドリフト分析で返されるメトリックを表します。 メトリック クラスは、内部使用のみを目的としています。 DataDriftDetector オブジェクトの get_output メソッドを使用して、メトリックを返します。 メトリック コンストラクター。 |
| ModelServingDataset |
モデルベースの DataDriftDetector オブジェクトが作成されるときに内部的に使用されるデータセットを表します。 モデルベースの DataDriftDetector を使用すると、モデルのトレーニング データセットとそのスコアリング データセットとの間のデータ ドリフトを計算できます。 モデルベースの DataDriftDetector を作成するには、<xref:azureml.datadrift.DataDriftDetector.create_from_model> メソッドを使用します。 コンストラクターです。 |
列挙型
| MetricType |
データ ドリフト分析で返されるメトリックの種類を定義します。 DataDriftDetector オブジェクトの get_output メソッドを使用して、メトリックを返します。 |