この記事では Azure Machine Learning デザイナーのコンポーネントについて説明します。
AutoML 画像インスタンスのセグメント化モデルに基づく機械学習モデルを作成するには、このコンポーネントを使います。
構成方法
このコンポーネントの構成可能なパラメーターの完全な一覧については、こちらのリンクを参照してください。
このモデルにはトレーニング データセットが必要です。 検証およびテスト データセットは省略可能です。
データセットを準備する方法の詳細については、こちらのリンクを参照してください。データセットには、すべての行の値を持つラベル列を含む "ラベル付けされたデータセット" が必要です。
AutoML では、モデルのさまざまなアルゴリズムとパラメーターを試す多数の試行 (max_trials で指定) を並列 (max_concurrent_trials 指定) で実行します。 このサービスは、ハイパーパラメーター選択と組み合わせた ML アルゴリズムを介して反復し、それぞれの試行で、トレーニング スコアを含むモデルを生成します。 モデルを最適化するメトリックを選択できます。 選択したメトリックのスコアが高いほど、モデルはデータに "適合している" と見なされます。 実験の終了基準 (終了ポリシー) を定義できます。 終了基準は、AutoML で検索する特定のトレーニング スコアを持つモデルになります。 定義されている終了基準に到達すると停止します。 その後、このコンポーネントは、データセットの実行の最後に生成された最適なモデルを出力します。 終了条件 (終了ポリシー) の詳細についてはこのリンクを参照してください。
AutoML 画像インスタンスのセグメント化コンポーネントをパイプラインに追加します。
モデルから出力する [ターゲット列] を指定します。
モデルの成功を測定するために AutoML で使う主要メトリックを指定します。 コンピューター ビジョンの各主要メトリックの説明については、こちらのリンクを参照してください。
(省略可能) アルゴリズム設定を構成できます。 リンクを参照し、コンピューター ビジョンでサポートされているアルゴリズムの一覧を確認します。
(省略可能) ジョブの制限を構成するには、こちらのリンクを参照してください。
(省略可能) ジョブ スイープのサンプリングと早期終了の構成の一覧については、こちらのリンクを参照してください。各ポリシーとサンプリング方法の詳細も確認できます。
次のステップ
Azure Machine Learning で使用できる一連のコンポーネントを参照してください。