次の方法で共有

Azure Machine Learning デザイナーでデータを変換する

重要

この記事では、Azure Machine Learning SDK v1 の使用に関する情報を提供します。 SDK v1 は 2025 年 3 月 31 日の時点で非推奨となり、サポートは 2026 年 6 月 30 日に終了します。 SDK v1 は、その日付までインストールして使用できます。

2026 年 6 月 30 日より前に SDK v2 に移行することをお勧めします。 SDK v2 の詳細については、「 Azure Machine Learning Python SDK v2 と SDK v2 リファレンスとは」を参照してください。

この記事では、機械学習用に独自のデータを準備できるように、Azure Machine Learning デザイナーでデータセットを変換および保存する方法について説明します。

サンプルの Adult Census Income Binary Classification データセットを使って、2 つのデータセットを準備します。 1 つのデータセットには米国のみの成人の国勢調査情報が含まれており、もう 1 つのデータセットには米国以外の成人からの国勢調査情報が含まれます。

この記事では、次の方法について説明します。

  • データセットを変換し、トレーニング用に準備します。
  • 結果のデータセットをデータストアにエクスポートします。
  • 結果を表示します。

このハウツー ガイドは、 パイプライン入力を使用したモデルの再トレーニングに関する 記事の前提条件です。 この記事では、変換されたデータセットを使用して、パイプライン入力を使用して複数のモデルをトレーニングする方法について説明します。

重要

このドキュメントで言及しているグラフィカル要素 (スタジオやデザイナーのボタンなど) が表示されない場合は、そのワークスペースに対する適切なレベルのアクセス許可がない可能性があります。 ご自分の Azure サブスクリプションの管理者に連絡して、適切なレベルのアクセス許可があることを確認してください。 詳細については、「ユーザーとロールを管理する」を参照してください。

データセットの変換

このセクションでは、サンプル データセットをインポートし、米国および米国以外のデータセットにデータを分割する方法について説明します。 詳細については、「 Azure Machine Learning デザイナーにデータをインポートする」を参照してください。

データのインポート

サンプル データセットをインポートするには、次の手順を使用します。

  1. Azure Machine Learning Studio にサインインし、使用するワークスペースを選択します。

  2. サイドバー メニューから [デザイナー ] を選択します。 [ クラシック事前構築済み] で、[ クラシック事前構築済みコンポーネントを使用して新しいパイプラインを作成する] を選択します。

  3. パイプライン キャンバスの左側にある [ コンポーネント ] タブで、[ サンプル データ ] ノードを展開します。

  4. [国勢調査の成人収入に関する二項分類] データセットをキャンバスにドラッグ アンド ドロップします。

  5. Adult Census Income データセット コンポーネントを右選択し、[データのプレビュー] を選択します。

  6. データ プレビュー ウィンドウを使用して、データセットを探索します。 ネイティブ国の列の値を特にメモしておきます。

データを分割する

データの分割コンポーネントを使用して、ネイティブ国の列に米国を含む行を識別して分割します。

  1. キャンバスの左側にある [コンポーネント] タブで、[ データ変換 ] セクションを展開し、[ データの分割 ] コンポーネントを見つけます。

  2. データ分割コンポーネントをキャンバスにドラッグし、そのコンポーネントをデータセット コンポーネントの下にドロップします。

  3. データセット コンポーネントの出力を Split Data コンポーネントの入力に接続します。

  4. [ データの分割 ] コンポーネントをダブルクリックして、[ データの分割 ] ウィンドウを開きます。

  5. 分割モードを正規表現に設定します。

  6. 正規表現: \"native-country" United-Statesを入力します。

    正規表現モードでは、1 つの列に値があるかどうかがテストされます。 データ分割コンポーネントの詳細については、関連する アルゴリズム コンポーネントのリファレンス ページを参照 してください。

実際のパイプラインはこのスクリーンショットのようになります。

パイプラインと Split Data コンポーネントを構成する方法を示すスクリーンショット。

データセットの保存

データを分割するようにパイプラインを設定したら、データセットを保持する場所を指定する必要があります。 この例では、Export Data コンポーネントを使用して、データセットをデータストアに保存します。 データストアの詳細については、「 Azure Storage サービスへの接続」を参照してください。

  1. コンポーネント パレットのキャンバスの左側にある [ データの入力と出力 ] セクションを展開し、[ データのエクスポート] コンポーネントを見つけます。

  2. [データの分割] コンポーネントの下に 2 つの [データのエクスポート] コンポーネントをドラッグ アンド ドロップします。

  3. Split Data コンポーネントの各出力ポートを別のエクスポート データ コンポーネントに接続します。

    パイプラインは次のようになります。

    データのエクスポート コンポーネントを接続する方法を示すスクリーンショット。

  4. [データの分割] コンポーネントの左端のポートに接続されている [データのエクスポート] コンポーネントをダブルクリックして、[データのエクスポート] 構成ウィンドウを開きます。

    [データの分割] コンポーネントでは、出力ポートの順序が重要です。 最初の出力ポートには、正規表現が true である行が含まれます。 この場合、最初のポートには米国ベースの収入の行が含まれており、2 番目のポートには米国以外の収入の行が含まれます。

    • 次のオプションを設定します。

      Datastore type (データストアの種類) :Azure Blob Storage

      データストア: 既存のデータストアを選択するか、[ 新しいデータストア ] を選択して新しいデータストアを作成します

      出力パス: /data/us-income

      ファイル形式: csv

    注意

    この記事では、現在の Azure Machine Learning ワークスペースに登録されているデータストアにアクセスできることを前提としています。 データストアのセットアップ手順については、 Azure Storage サービスへの接続に関するページを参照してください。

    データストアがない場合は、データストアを作成できます。 例として、この記事では、ワークスペースに関連付けられている既定の BLOB ストレージ アカウントにデータセットを保存します。 データセットは、azuremlという名前の新しいフォルダー内の data コンテナーに保存されます。

  5. [データの分割] コンポーネントの右端のポートに接続されている [データのエクスポート] コンポーネントをダブルクリックして、[データのエクスポート] 構成ウィンドウを開きます。

    • 次のオプションを設定します。

      Datastore type (データストアの種類) :Azure Blob Storage

      データストア: 前のデータストアを選択します

      出力パス: /data/non-us-income

      ファイル形式: csv

  6. Split Data の左側のポートに接続されている Export Data コンポーネントに Path/data/us-income があることを確認します。

  7. 適切なポートに接続されている データのエクスポート コンポーネントに Path/data/non-us-income があることを確認します。

    パイプラインと設定は、次のようになります。

    データのエクスポート コンポーネントを構成する方法を示すスクリーンショット。

ジョブを送信する

データを分割してエクスポートするようにパイプラインを設定したら、パイプライン ジョブを送信します。

  1. キャンバスの上部にある [構成] と [送信] を選択します。

  2. 実験を作成するには、[パイプライン ジョブのセットアップ] の [基本] ウィンドウで [新しい作成] オプションを選択します。

    実験では、関連するパイプライン ジョブを論理的にまとめてグループ化します。 このパイプラインを将来実行する場合は、ログ記録と追跡の目的で同じ実験を使用する必要があります。

  3. わかりやすい実験名 ( split-census-data など) を指定します。

  4. [ ランタイム設定 ] ウィンドウで、コンピューティング リソースを選択または作成します。

  5. [ 確認と送信] を選択し、[ 送信] を選択します。

結果の表示

パイプラインの実行が完了したら、Azure portal の BLOB ストレージに移動して結果を表示できます。 データが正常に分割されたことを確認するために、[データの分割] コンポーネントの中間結果を表示することもできます。

  1. サイドバー メニューから [ジョブ ] を選択し、ジョブを選択します。

  2. [データの分割] コンポーネントをダブルクリックします。

  3. キャンバスの右側にあるコンポーネントの詳細ペインで、[ 出力 + ログ ] タブを選択します。

  4. [ データ出力の表示 ] ドロップダウンを選択します。

  5. 結果データセット 1 の横にある視覚化アイコンを選択します。

    コンポーネントの詳細ペインの [データの分割] 結果データセットを示すスクリーンショット。

  6. ネイティブ国の列に値 United-States のみが含まれていることを確認します。

  7. 結果データセット 2 の横にある視覚化アイコンの視覚化アイコンを選択します。

  8. ネイティブ国の列に値 United-States が含まれていないことを確認します。

リソースをクリーンアップする

このハウツー ガイドのパート 2 に進む場合は、このセクションをスキップしてください。

重要

作成したリソースは、Azure Machine Learning のその他のチュートリアルおよびハウツー記事の前提条件として使用できます。

すべてを削除する

作成したすべてのものを使用する予定がない場合は、料金が発生しないように、リソース グループ全体を削除します。

  1. Azure portal で、ウィンドウの左側にある [リソース グループ] を選択します。

    Azure portal でリソース グループを削除する

  2. 一覧から、作成したリソース グループを選択します。

  3. [リソース グループの削除] を選択します。

リソース グループを削除すると、デザイナーで作成したすべてのリソースも削除されます。

個々の資産を削除する

実験を作成したデザイナーで、個々の資産を選択し、[削除] ボタンを選択してそれらを削除します。

ここで作成したコンピューティング ターゲットは、使用されていない場合、自動的にゼロ  ノードに自動スケーリングされます。 このアクションは、料金を最小限に抑えるために実行されます。 コンピューティング ターゲットを削除する場合は、次の手順を実行してください。

アセットを削除する

各データセットを選択し、[登録解除] を選択することによって、ワークスペースからデータセットを登録解除できます。

データセットを登録解除する

データセットを削除するには、Azure portal または Azure Storage Explorer を使用してストレージ アカウントに移動し、これらのアセットを手動で削除します。

次のステップ

このハウツー シリーズの次の部分に進みます。

パイプライン入力を使用してモデルを再トレーニングする