Azure Data Studio の Machine Learning 拡張機能を使用して予測を行う (プレビュー)
Azure Data Studio の Machine Learning 拡張機能を使用して、データベースの ONNX モデルで予測を行う方法について説明します。 拡張機能では、PREDICT を使用して T-SQL スクリプトを生成し、以前にインポートされたモデル、ローカル ファイル内に存在するモデル、または Azure Machine Learning からのモデルを使用して、テーブルに格納されているデータセットに対して予測を行います。
重要
Machine Learning 拡張機能を使用した予測では、現在、Azure SQL Managed Instance での Machine Learning Services と、ONNX を使用した Azure SQL Edge のみがサポートされています。
前提条件
Azure Data Studio の Machine Learning 拡張機能のインストールと構成。 [拡張機能の設定] で Python インストール パスを指定する必要があります。
onnxruntime、mlflow、および mlflow-dbstore の各 Python パッケージ。 パッケージがまだインストールされていない場合は、Machine Learning 拡張機能によってインストールするように求められます。
ONNX モデルから予測を行う
ONNX モデルを使用して予測を行うには、次の手順に従います。
[Make predictions] (予測を行う) を選びます。
onnxruntime、mlflow、mlflow-dbstore をインストールするように求められた場合は、 [はい] を選択します。
モデルが配置されている場所を選択し、 [次へ] を選択します。 使用できるもの:
- インポートされたモデル。 データベースに既に格納されているモデルを使用する場合は、このオプションを選択します。 モデルが配置されているモデル データベースとモデル テーブルを選択し、使用するモデルを選択し、 [次へ] を選択します。
- ファイルのアップロード。 ファイルからモデルを使用する場合は、これを選択します。 [ソース ファイル] でモデル ファイルを選択し、 [次へ] を選択します。
- Azure Machine Learning。 Azure Machine Learning のモデルを使用するには、これを選択します。 最初に、Azure にサインインします。 次に、ご自分の Azure アカウント、Azure サブスクリプション、Azure リソース グループ、Azure ML ワークスペースを選択します。 使用するモデルを選択し、 [次へ] を選択します。
ソース データをモデルにマップします。
- 予測を適用するデータ セットを含むソース データベースとソース テーブルを選択します。
- [Model Input mapping](モデルの入力のマッピング) と [モデルの出力] の下に列をマップします。 この拡張機能では、同じ名前とデータ型の列が自動的にマップされます。
[予測] を選択します。
Azure Data Studio によって、PREDICT を使用して新しい T-SQL クエリが作成されます。これを使用して、データの予測を行うことができます。