Machine Learning Studio (クラシック) Web サービスのパラメーターの使用
適用対象: 
Machine Learning Studio (クラシック) 
Azure Machine Learning
重要
Machine Learning Studio (クラシック) のサポートは、2024 年 8 月 31 日に終了します。 その日までに、Azure Machine Learning に切り替えすることをお勧めします。
2021 年 12 月 1 日以降、新しい Machine Learning Studio (クラシック) リソースは作成できません。 2024 年 8 月 31 日まで、既存の Machine Learning Studio (クラシック) リソースを引き続き使用できます。
- ML Studio (クラシック) から Azure Machine Learning への機械学習プロジェクトの移動に関する情報を参照してください。
- Azure Machine Learning についての詳細を参照してください
ML Studio (クラシック) のドキュメントは廃止予定であり、今後更新されない可能性があります。
Machine Learning Web サービスは、変更可能なパラメーターを持つモジュールを含む実験を発行すると作成されます。 状況によっては、Web サービスの実行中にモジュールの動作変更が必要になる場合がありますが、 Web サービスのパラメーターを使えばこのタスクを実行できます。
一般的な例として、発行された Web サービスのユーザーが、Web サービスにアクセスしたときに別のデータ ソースを指定できるようにデータのインポート モジュールを設定する場合があります。 または、別の宛先を指定できるようにデータのインポート モジュールを構成します。 その他の例としては、特徴ハッシュ モジュールのビット数の変更や、フィルターに基づく特徴の選択モジュールにおける目的の特徴の数の変更があります。
Web サービスのパラメーターを設定し、実験の 1 つまたは複数のモジュール パラメーターに関連付けて、必須か任意かを指定することができます。 Web サービスのユーザーは、Web サービスの呼び出し時にこれらのパラメーターの値を指定できます。
Web サービスのパラメーターを設定して使用する方法
Web サービスのパラメーターを定義するには、モジュールのパラメーターの横にあるアイコンをクリックして、[Set as web service parameter] を選択します。 すると、新しい Web サービスのパラメーターが作成されて、モジュール パラメーターにつながります。 これで、Web サービスにアクセスしたときにユーザーが Web サービスのパラメーターの値を指定できるようになり、それがモジュール パラメーターに適用されます。
Web サービスのパラメーターを 1 回定義すれば、その実験の他のモジュール パラメーターでも使用できます。 1 つのモジュールのパラメーターに関連付けられている Web サービスのパラメーターを定義する場合、Web サービスのパラメーターに同じ種類の値が想定されるのであれば、その同じパラメーターを他のモジュールでも使用できます。 たとえば、Web サービスのパラメーターが数値の場合、数値が想定されるモジュール パラメーターでのみ使用できます。 Web サービスのパラメーターの値を設定すると、すべての関連付けられたモジュール パラメーターに適用されます。
Web サービスのパラメーターの既定値を指定するかどうかを設定できます。 指定した場合、Web サービスのユーザー向けのパラメーターはオプションとなります。 既定値を指定しない場合、ユーザーは Web サービスにアクセスしたときに値の入力を求められます。
Web サービスの API ドキュメントには、Web サービス アクセス時にプログラムで Web サービスのパラメーターを指定する方法に関する Web サービス ユーザー向けの情報が含まれます。
Note
従来の Web サービスの API ドキュメントは、Machine Learning Studio (クラシック) の Web サービス ダッシュボードにある API ヘルプ ページ リンクから入手できます。 新しい Web サービスの API ドキュメントは、Web サービスの [Consume (使用)] ページと [Swagger API] ページにある Machine Learning Web サービス ポータルから入手できます。
例
たとえば、Azure BLOB ストレージに情報を送信するデータのエクスポート モジュールの実験があるとします。 Web サービスのユーザーがサービスにアクセスしたときに BLOB ストレージへのパスを変更できるようにする "Blob path" という名前の Web サービスのパラメーターを定義しましょう。
Machine Learning Studio (クラシック) で、エクスポート データ モジュールをクリックして選択します。 実験キャンバスの右側の [プロパティ] ウィンドウにプロパティが表示されます。
ストレージの種類を指定します。
- [Please specify data destination]で [Azure Blob Storage] を選択します。
- [Please specify authentication type]の下の [アカウント] を選択します。
- Azure BLOB ストレージのアカウント情報を入力します。
[Path to blob beginning with container parameter]の右にあるアイコンをクリックします。 次のようになります。
[Set as web service parameter] を選択します。
[プロパティ] ウィンドウの下部にある [Web Service Parameters] の下に [Path to blob beginning with container] という名前のエントリが追加されます。 これは、このデータのエクスポート モジュール パラメーターに現在関連付けられている Web サービスのパラメーターです。
Web サービスのパラメーターの名前を変更するには、名前をクリックし、「Blob path」と入力して Enter キーを押します。
Web サービスのパラメーターの既定値を指定するには、名前の右側にあるアイコンをクリックして、[Provide default value] を選択して値を入力し (たとえば 「container1/output1.csv」)、 Enter キーを押します。
実行をクリックします。
[Web サービスのデプロイ] をクリックし、[Deploy Web Service [Classic] \(Web サービスのデプロイ [従来])] または [Deploy Web Service [New] \(Web サービスのデプロイ [新規])] を選択して、Web サービスをデプロイします。
Note
新しい Web サービスをデプロイするには、Web サービスのデプロイ先となるサブスクリプションで十分なアクセス許可を持っている必要があります。 詳細については、Machine Learning Web サービス ポータルを使用した Web サービスの管理に関するページを参照してください。
これで Web サービスのユーザーが Web サービス アクセス時にデータのエクスポート モジュールの新しい宛先を指定できるようになります。
詳細
詳細については、Machine Learning Blog (Machine Learning ブログ) の「Web サービスのパラメーター (ブログの投稿)」をご覧ください。
Machine Learning Web サービスへのアクセスの詳細については、「Machine Learning Web サービスを使用する方法」を参照してください。