カスタムエスティメーター#

標準のエスティメーターの中から見つからない場合、またはすでにトレーニングスクリプトをお持ちの場合、ForePaaSでは、パイプラインのデータにフィットさせるために独自のエスティメーターをアップロードできます。これは、トレーニング設定ページを開くのが初めての場合、またはすでにアルゴリズムがある場合はアルゴリズムを変更することで行えます。

パイプラインに使用するフレームワークを選択する必要があります。ForePaaSでは現在、以下のフレームワークをサポートしており、詳細はそれぞれのページで確認できます：

• Scikit Learn
• Keras )
• PyTorch

#SDKの共通機能

Machine Learning Managerが提供する機能のうち、Pythonで記述された任意のカスタムエスティメーターに共通する動作をするものがあり、トレーニングスクリプトに追加のコード要素を入力する必要があります。以下の設定を統合できます：

• トレーニングステップからのバリデーション設定を使用する
• トレーニングステップからのバリデーションスコア関数を使用する
• チューニングステップで指定されたハイパーパラメータを使用する

#バリデーション設定を使用する

トレーニングステップで設定したバリデーション設定を接続できます。

シンプルなバリデーションを使用する場合、バリデーションセットに割り当てられたシェアを取得するには、以下を含めます：

from forepaas.core.settings import ML_CONFIG

# Get ratio of the % size of the validation set
ratio = ML_CONFIG["train"]["ratio"]

クロスバリデーションを使用する場合、選択したフォールドの数を取得するには、以下を含めます：

from forepaas.core.settings import ML_CONFIG

# Get cv as either the number of folds, or False if cross-validation is turned off.
cv = ML_CONFIG["train"]["execution_options"]["cross_validation"]

Scikit Learnの例はこちらで確認できます。

#バリデーションスコア関数を使用する

トレーニングステップで追加したスコアリング関数を接続し、バリデーションスコアとして使用できます。

デフォルトの⭐スコアリング関数を取得し、sklearnスコアラーに変換するには、以下を含めます：

from forepaas.ml import get_train_scoring_function
from sklearn.metrics import make_scorer

scoring_function = get_train_scoring_function()

Scikit Learnの例はこちらで確認できます。

#ハイパーパラメータを使用する

チューニングステップで指定したハイパーパラメータリストを接続できます。

ハイパーパラメータとその値のリストを含む辞書を取得するには、以下を含めます：

from forepaas.ml import get_hyper_parameters

hyper_parameters = get_hyper_parameters()

Scikit Learnの例はこちらで確認できます。

カスタムScikit Learnスクリプトをインポートする カスタムKerasスクリプトをインポートする

#さらに詳しく知る

当社のソリューションを実装するためのトレーニングや技術サポートが必要な場合は、営業担当者にお問い合わせください、またはこのリンクをクリックして、プロフェッショナルサービスの専門家にプロジェクトのカスタム分析を依頼する見積もりを取得してください。

Data Platformを構築するチームと直接、質問をしたり、フィードバックを送信したり、交流したりするには、専用のDiscordチャネルにアクセスしてください。

OVHcloudサービスについてサポートが必要な場合は、ヘルプセンターでリクエストを作成してください。

ユーザーコミュニティに参加してください。