適用対象:
Machine Learning Studio (クラシック) 
Azure Machine Learning
重要
Machine Learning Studio (クラシック) のサポートは、2024 年 8 月 31 日に終了します。 その日付までに Azure Machine Learning に移行することをお勧めします。
2021 年 12 月 1 日以降、新しい Machine Learning Studio (クラシック) リソースは作成できません。 2024 年 8 月 31 日まで、既存の Machine Learning Studio (クラシック) リソースを引き続き使用できます。
- ML Studio (クラシック) から Azure Machine Learning への機械学習プロジェクトの移動に関する情報を参照してください。
- Azure Machine Learning の詳細
ML Studio (クラシック) のドキュメントは廃止予定であり、今後更新されない可能性があります。
Machine Learning Web サービスは、変更可能なパラメーターを持つモジュールを含む実験を発行すると作成されます。 状況によっては、Web サービスの実行中にモジュールの動作変更が必要になる場合がありますが、 Web サービス パラメーター を使用すると、このタスクを実行できます。
一般的な例は、発行された Web サービスのユーザーが Web サービスにアクセスするときに別のデータ ソースを指定できるように、データの インポート モジュールを設定することです。 または、別の宛先を指定できるように データのエクスポート モジュールを構成します。 その他の例としては、 フィーチャー ハッシュ モジュールのビット数の変更や、 Filter-Based 機能選択 モジュールの必要な機能の数の変更などがあります。
Web サービスのパラメーターを設定し、実験の 1 つまたは複数のモジュール パラメーターに関連付けて、必須か任意かを指定することができます。 Web サービスのユーザーは、Web サービスの呼び出し時にこれらのパラメーターの値を指定できます。
Web サービスのパラメーターを設定して使用する方法
Web サービスのパラメーターを定義するには、モジュールのパラメーターの横にあるアイコンをクリックして、[Set as web service parameter] を選択します。 すると、新しい Web サービスのパラメーターが作成されて、モジュール パラメーターにつながります。 これで、Web サービスにアクセスしたときにユーザーが Web サービスのパラメーターの値を指定できるようになり、それがモジュール パラメーターに適用されます。
Web サービスのパラメーターを 1 回定義すれば、その実験の他のモジュール パラメーターでも使用できます。 1 つのモジュールのパラメーターに関連付けられている Web サービスのパラメーターを定義する場合、Web サービスのパラメーターに同じ種類の値が想定されるのであれば、その同じパラメーターを他のモジュールでも使用できます。 たとえば、Web サービスのパラメーターが数値の場合、数値が想定されるモジュール パラメーターでのみ使用できます。 Web サービスのパラメーターの値を設定すると、すべての関連付けられたモジュール パラメーターに適用されます。
Web サービスのパラメーターの既定値を指定するかどうかを設定できます。 指定した場合、Web サービスのユーザー向けのパラメーターはオプションとなります。 既定値を指定しない場合、ユーザーは Web サービスにアクセスしたときに値の入力を求められます。
Web サービスの API ドキュメントには、Web サービス アクセス時にプログラムで Web サービスのパラメーターを指定する方法に関する Web サービス ユーザー向けの情報が含まれます。
注
クラシック Web サービスの API ドキュメントは、Machine Learning Studio (クラシック) の Web サービス ダッシュボードの API ヘルプ ページ リンクを通じて提供されます。 新しい Web サービスの API ドキュメントは、Web サービスの Consume API ページと Swagger API ページにある Machine Learning Web Services ポータルを通じて提供されます。
例
たとえば、Azure BLOB ストレージに情報を送信する データのエクスポート モジュールを使用した実験があるとします。 Web サービスのユーザーがサービスにアクセスしたときに BLOB ストレージへのパスを変更できるようにする "Blob path" という名前の Web サービスのパラメーターを定義しましょう。
Machine Learning Studio (クラシック) で、[ データのエクスポート ] モジュールをクリックして選択します。 実験キャンバスの右側の [プロパティ] ウィンドウにプロパティが表示されます。
ストレージの種類を指定します。
- [ データ転送先を指定してください] で、[Azure Blob Storage] を選択します。
- [ 認証の種類を指定してください] で、[アカウント] を選択します。
- Azure BLOB ストレージのアカウント情報を入力します。
コンテナー パラメーターで始まる BLOB へのパスの右側にあるアイコンをクリックします。 次のようになります。
[Set as web service parameter] を選択します。
[プロパティ] ウィンドウの下部にある Web サービス パラメーター の下に、"コンテナーで始まる BLOB へのパス" という名前のエントリが追加されます。 これは、この Export Data モジュール パラメーターに関連付けられている Web サービス パラメーターです。
Web サービス パラメーターの名前を変更するには、名前をクリックし、「BLOB パス」と入力し、 Enter キーを押します。
Web サービス パラメーターの既定値を指定するには、名前の右側にあるアイコンをクリックし、[既定値の指定] を選択し、値 ("container1/output1.csv" など) を入力して、 Enter キーを押します。
[ 実行] をクリックします。
[ Web サービスのデプロイ ] をクリックし、[ Web サービスのデプロイ ] [クラシック] または [Web サービスのデプロイ ][新規] を選択して Web サービスをデプロイします。
注
新しい Web サービスをデプロイするには、Web サービスのデプロイ先となるサブスクリプションで十分なアクセス許可を持っている必要があります。 詳細については、「 Machine Learning Web サービス ポータルを使用して Web サービスを管理する」を参照してください。
Web サービスのユーザーは、Web サービスにアクセスするときに データのエクスポート モジュールの新しい宛先を指定できるようになりました。
詳細
詳細な例については、Machine Learning ブログの Web サービス パラメーターエントリを参照してください。
Machine Learning Web サービスへのアクセスの詳細については、「 Machine Learning Web サービスを使用する方法」を参照してください。