このページ上

メインコンテンツをスキップする

このページは役に立ちましたか?

このページまたはコンテンツに、タイポ、ステップの省略、技術的エラーなどの問題が見つかった場合は、お知らせください。改善に役立たせていただきます。

展開されたモデルのパフォーマンスと使用状況の監視

ML 展開を使用して予測を生成すると、経時的なデータドリフトを分析することで、ソースモデルのパフォーマンスを監視できます。予測がトリガーされた方法や予測の失敗率など、予測の展開の使用状況に関する詳細も表示できます。

展開されたモデルと ML 展開の監視は、組み込まれた分析機能を使用して実行されます。

データドリフトモニタリングを使用すると、モデル予測の入力データが経時的にどのように変化したか、また元のトレーニングデータセットとどのように異なるかを分析できます。これらのツールを使用することで、大幅な特徴量ドリフトによりモデルの再トレーニングや置き換えが必要となるポイントを判断できます。

AutoML でのデータドリフトの監視の詳細については、「展開されたモデルでのデータドリフトの監視」を参照してください。

データドリフトに関する一般的な情報については、「データドリフト」を参照してください。

ML 展開は予測の作成に使用されるため、その運用の詳細を監視することは有益です。AutoML の運用監視を使用すると、次が可能になります。

詳細については、「展開モデル運用の監視」を参照してください。