# Azure ML 接続の作成

Azure ML 接続は、 データ ロード エディタで作成されます。

接続を作成したら、利用可能なテーブルからデータを選択して Azure ML に送信して計算し、そのデータをアプリケーションにロードできます。この接続は、データ ロード スクリプトだけでなく、モデル エンドポイントを呼び出してリアルタイムでチャート式の計算を実行するチャート式でも使用できます。

利用者は、接続したい Azure ML サービスの設定やアクセス認証情報を知っておく必要があります。

## 構成可能な設定

接続ダイアログでは、次の設定を構成できます:

接続ダイアログで設定可能な設定

| フィールド | 説明 |
| --- | --- |
| 構成の選択 | 機械学習モデルの予測に使用する Azure ML モデルを決定する設定を選択するためのドロップダウンメニュー項目<br><br>対応している構成:<br><br><ul> <li> <p><span>Azure ML - レガシー形式</span>: この構成は、2022 年 1 月中旬より前に展開され、次の形式の JSON を想定する <span>Automated ML</span> を使用して作成されたモデルに使用する必要があります。</p> <pre><code>{    "data": [      {        &lt;field_list&gt;      }    ] }</code></pre> </li> <li> <p><span>Azure ML</span>: この構成は、次の形式の JSON を想定する <span>Automated ML</span> または <span>Designer </span> を使用して作成されたモデルに使用する必要があります。</p> <pre><code>{    "Inputs": {      "&lt;JSON_object_name&gt;(default is ‘data’)": [        {          &lt; field_list &gt;        }      ]    } } </code></pre> </li> </ul><br><br>情報メモ使用する構成がわからない場合は、モデルを再展開すると、新しい形式が使用されます。 |
| エンドポイント名 | エンドポイントの名前。<br><br>エンドポイント名は、Azure 上のエンドポイントに指定された識別子です。これは通常、エンドポイントの設定やモデルのデプロイを行うユーザーが作成します。 |
| [Authentication] (認証) | Azure ML Endpoint Key を指定します。<br><br><br>Azure 上のすべてのモデルは、Azure キーベースの認証を有効にして認証されます。これには、モデルのリソースにアクセスできるアクセスキー (プライマリ キーまたはセカンダリ キー) を生成する必要があります。 |
| リクエスト | Web サービス入力名: 展開された機械学習モデルで期待される JSON オブジェクトの名前。既定名がモデルで使用されている形式に適合しない場合は、変更する必要があります。 |
| レスポンス テーブル | <ul> <li> <p><span>返されたテーブルの名前</span>: 展開された機械学習モデルから返されたテーブルの名前。</p> </li> <li> <p><span>テーブルのパス (JMESPath)</span>: テーブルは、JSON レスポンス配列の予測行に対する JMES テーブルのパスを使用することで指定できます。</p> </li> </ul> |
| レスポンス 項目 | <ul> <li> <p><span>利用可能な項目をすべてロード</span>: 機械学習エンドポイントによって返されたすべての使用可能な項目のロードを有効にします。これを無効にすると、アプリケーションにロードするテーブルの項目と値を指定できるようになります。</p> <p>アプリケーションを開発する際は、最初に、モデルのエンドポイントから返されたすべてのフィールドをロードしてから、アプリケーションでの分析に不要な項目を削除することをお勧めします。</p> </li> <li> <p><span>テーブル項目 (JMESPath)</span>: テーブル項目を指定するには、以下を追加します:</p> <ul> <li> <p>Name: アプリケーションにロードされるテーブルの名前です。</p> </li> <li> <p>Value: JSON レスポンス配列のレスポンス行の名前です。</p> </li> </ul> <p>JSON レスポンス配列を解析には、JMESPath クエリ言語を使用することができます。</p> </li> </ul> |
| 関連付け | <ul> <li> <p><span>関連項目</span>: 関連項目 (一意の識別子を含む入力データ テーブルの項目) を指定します。</p> <p>キーを使用してソース 項目 テーブルに関連付けるために戻された結果テーブルのエンドポイント要求を行う場合は、この項目をソース データに含める必要があります。指定された項目がレスポンスの項目として返され、予測値をデータ モデルのソース データに関連付けることができます。これは、ソース データから、またはテーブルのロード プロセスの一部として、一意の ID を持つ任意の項目です。</p> </li> <li> <p><span>関連付け項目を送信</span>: 選択すると、関連付け項目として指定された項目が <span>Qlik Sense</span> に返され、エンドポイントに送信される項目に含まれます。</p> <p>項目がソースデータに属しており、モデルで想定されている場合は、<span>[Send Association Field] (関連付け項目の送信)</span> を有効にしてモデルに送信する必要があります。</p> </li> </ul> |
| 名前 | 接続の名前。名前を入力しない場合は、既定の名前が使用されます。 |

## 新しい接続の作成

次の手順を実行します。

1. データ ロード エディターまたは スクリプト を使用してコネクタにアクセスします。

2. [接続の新規作成] をクリックします。

3. [スペース] で、接続が配置されるスペースを選択します。

4. データ コネクタのリストから Azure ML を選択します。

5. 接続ダイアログの項目に入力します。

6. [作成] をクリックします。

データ ロード エディタ または スクリプト の [データ接続] の下に接続が表示されるようになりました。