Databricks MLflow 接続の作成

構成: お使いのモデルで使用される Databricks MLflow のバージョンを選択します。オプションは次のとおりです。

• MLflow 1.0: モデルは、Databricks MLflow 1.x を使って作成されます。

• MLflow 2.0: モデルは、Databricks MLflow 2.x を使って作成されます。

  情報メモ Databricks MLflow 2.0 (バージョン 2.x) で作成されたモデルの場合、データは dataframe_split 内の Databricks に JSON 形式で送信されます。これは Databricks MLflow の構造化データに対する優先形式です。

モデル URL: Databricks MLflow モデルが展開されている Databricks MLflow プラットフォームの URL。

Databricks API トークンを提供します。

Databricks MLflow のすべてのモデルは、Databricks トークン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 リソースにアクセスできる API トークンが生成されている必要があります。

返されたテーブルの名前: 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。

• 利用可能な項目をすべてロード: 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、アプリにロードするテーブルのフィールドと値を指定することができます。

  アプリを開発する際は、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、アプリでの分析に不要なフィールドを削除することをお勧めします。

• テーブル項目 (JMESPath): テーブル項目を指定するには、以下を追加します:

  • Name: アプリにロードされるテーブルの名前です。

  • Value: JSON レスポンス配列のレスポンス行の名前です。

  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。

• 関連項目: 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。

  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。

• 関連付け項目を送信: 選択すると、関連付け項目として指定された項目が Qlik Sense 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。

  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、[Send Association Field] (関連付け項目の送信) を有効にしてモデルに送信する必要があります。