ワークスペースでモデルをトレーニングする
Azure Machine Learning ワークスペースを使用してモデルをトレーニングするには、いくつかのオプションがあります。
- 自動機械学習を使用します。
- Jupyter Notebook を実行する。
- スクリプトをジョブとして実行します。
自動機械学習でアルゴリズムとハイパーパラメーターの値を調べる
トレーニング データセットがあり、最適なパフォーマンスのモデルを見つける作業を行う場合は、さまざまなアルゴリズムとハイパーパラメーターの値を実験できます。
さまざまな構成を使ってモデルのトレーニングを手動で実験すると、時間がかかる場合があります。 代わりに、自動機械学習を使ってプロセスを高速化できます。
自動機械学習では、アルゴリズムと特徴選択の組み合わせを反復処理し、データに対して最もよいパフォーマンスを示すモデルを見つけます。
ノートブックの実行
ノートブックでコードを実行して開発する場合は、ワークスペースで組み込みのノートブック機能を使用できます。
スタジオの [ノートブック] ページでは、Jupyter のノートブックを編集して実行できます。
[ノートブック] セクションで複製または作成したすべてのファイルは、ワークスペースで作成された Azure Storage アカウントのファイル共有に格納されます。
ノートブックを実行するには、開発に最適で、仮想マシンと同様に動作するコンピューティング インスタンスを使います。
ノートブックの実行にはやはりコンピューティング インスタンスを使いながら、Visual Studio Code でノートブックを編集して実行することもできます。
スクリプトをジョブとして実行する
運用環境で使用できるようにコードを準備するときは、スクリプトを使うことをお勧めします。 スクリプトの実行を簡単に自動化して、機械学習ワークロードを自動化できます。
Azure Machine Learning のジョブとして、スクリプトを実行できます。 ジョブをワークスペースに送信すると、すべての入力と出力がワークスペースに格納されます。
ワークロードの実行方法に応じて、さまざまな種類のジョブがあります。
- コマンド: 1 つのスクリプトを実行します。
- スイープ: 1 つのスクリプトを実行するときに、ハイパーパラメーターのチューニングを実行します。
- パイプライン: 複数のスクリプトまたはコンポーネントで構成されるパイプラインを実行します。
Note
デザイナーで作成したパイプラインを送信すると、パイプライン ジョブとして実行されます。 自動機械学習の実験を送信すると、ジョブとしても実行されます。