サポートされる機械学習プロバイダー
Watson Machine Learning および多くのサード・パーティーの機械学習プロバイダーは、機械学習モデルの評価でサポートされています。
サポートされている以下のいずれかの機械学習プロバイダーを使用して、ペイロード・ロギングとフィードバック・ロギングを実行し、モデル評価の一環としてパフォーマンスの正確度、ランタイム・バイアス検出、説明可能性、および自動バイアス緩和機能を測定します。
- Watson Machine Learning
- Azure ML Studio
- Azure MLサービス
- AWS SageMaker
- カスタム (カスタム機械学習フレームワークには、 Watson Machine Learning と同等の機能が必要です。)
- SPSS C&DS
複数の機械学習エンジンのサポート
機械学習モデル評価を構成するか、 Python SDK を使用するときに、複数の機械学習エンジンをプロビジョンできます。
機械学習モデル評価のためのプロバイダーの追加
- 構成
タブで、 機械学習プロバイダーの追加 をクリックします。 - 追加するプロバイダーを選択します。
- 資格情報などの必要な情報を入力し、 保存 をクリックします。
機械学習プロバイダーの詳細の変更または更新
タイル・メニュー 
アイコンをクリックし、次に 詳細の表示と編集 をクリックします。
Python SDK を使用した機械学習プロバイダーの追加
Python API wos_client.service_providers.add メソッドを使用して、モデル評価用に複数の機械学習エンジンを追加できます。
IBM Watson Machine Learning
IBM の機械学習エンジン「 Watson Machine Learning 」を追加するには、次のコマンドを実行してください：
WML_CREDENTIALS = {
"url": "https://us-south.ml.cloud.ibm.com",
"apikey": IBM CLOUD_API_KEY
}
wos_client.service_providers.add(
name=SERVICE_PROVIDER_NAME,
description=SERVICE_PROVIDER_DESCRIPTION,
service_type=ServiceTypes.WATSON_MACHINE_LEARNING,
deployment_space_id = WML_SPACE_ID,
operational_space_id = "production",
credentials=WMLCredentialsCloud(
apikey=CLOUD_API_KEY, ## use `apikey=IAM_TOKEN` if using IAM_TOKEN to initiate client
url=WML_CREDENTIALS["url"],
instance_id=None
),
background_mode=False
).result
Microsoft Azure ML Studio
Azure ML Studioの機械学習エンジンを追加するには、次のコマンドを実行します：
AZURE_ENGINE_CREDENTIALS = {
"client_id": "",
"client_secret": "",
"subscription_id": "",
"tenant": ""
}
wos_client.service_providers.add(
name=SERVICE_PROVIDER_NAME,
description=SERVICE_PROVIDER_DESCRIPTION,
service_type=ServiceTypes.AZURE_MACHINE_LEARNING,
#deployment_space_id = WML_SPACE_ID,
#operational_space_id = "production",
credentials=AzureCredentials(
subscription_id= AZURE_ENGINE_CREDENTIALS['subscription_id'],
client_id = AZURE_ENGINE_CREDENTIALS['client_id'],
client_secret= AZURE_ENGINE_CREDENTIALS['client_secret'],
tenant = AZURE_ENGINE_CREDENTIALS['tenant']
),
background_mode=False
).result
Amazon SageMaker
AWS のSagemaker機械学習エンジンを追加するには、次のコマンドを実行してください：
SAGEMAKER_ENGINE_CREDENTIALS = {
'access_key_id':””,
'secret_access_key':””,
'region': '}
wos_client.service_providers.add(
name="AWS",
description="AWS Service Provider",
service_type=ServiceTypes.AMAZON_SAGEMAKER,
credentials=SageMakerCredentials(
access_key_id=SAGEMAKER_ENGINE_CREDENTIALS['access_key_id'],
secret_access_key=SAGEMAKER_ENGINE_CREDENTIALS['secret_access_key'],
region=SAGEMAKER_ENGINE_CREDENTIALS['region']
),
background_mode=False
).result
Microsoft Azure ML Service
Azure ML Serviceの機械学習エンジンを追加するには、次のコマンドを実行します：
service_type = "azure_machine_learning_service"
added_service_provider_result = wos_client.service_providers.add(
name=SERVICE_PROVIDER_NAME,
description=SERVICE_PROVIDER_DESCRIPTION,
service_type = service_type,
credentials=AzureCredentials(
subscription_id= AZURE_ENGINE_CREDENTIALS['subscription_id'],
client_id = AZURE_ENGINE_CREDENTIALS['client_id'],
client_secret= AZURE_ENGINE_CREDENTIALS['client_secret'],
tenant = AZURE_ENGINE_CREDENTIALS['tenant']
),
background_mode=False
).result
機械学習プロバイダーのリストの生成
すべてのバインディングのリストを表示するには、list メソッドを実行します。
client.service_providers.list()
| uid | 名前 | service_type | 作成済み |
|---|---|---|---|
| e88ms###-####-####-############ | My Azure ML Service engine | azure_machine_learning | 2019-04-04T09:50:33.189Z |
| e88sl###-####-####-############ | My Azure ML Studio engine | azure_machine_learning | 2019-04-04T09:50:33.186Z |
| e00sjl###-####-####-############ | WML instance | watson_machine_learning | 2019-03-04T09:50:33.338Z |
| e43kl###-####-####-############ | My AWS SageMaker engine | sagemaker_machine_learning | 2019-04-04T09:50:33.186Z |
特定の機械学習エンジンについては、以下のトピックを参照してください。
- 独自の機械学習エンジンを追加してください。
- Microsoft Azure の機械学習スタジオエンジンを追加する
- Microsoft Azure の機械学習サービスエンジンを追加する
- Amazon SageMaker の機械学習エンジンを追加する
コーディング例については、 サンプル・ノートブック を参照してください。 Watson OpenScale