翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# カスタムモデル
<a name="canvas-custom-models"></a>

Amazon SageMaker Canvas では、特定のデータやユースケースに合わせたカスタム機械学習モデルをトレーニングできます。データに基づいてカスタムモデルをトレーニングすることで、データに特有の最も代表的な特性や傾向を把握できます。物流業務を管理するための、倉庫の在庫データに基づいてトレーニングするカスタム時系列予測モデルの作成が例として挙げられます。

Canvas では、さまざまなモデルタイプのトレーニングをサポートしています。カスタムモデルをトレーニングした後は、モデルのパフォーマンスと精度を評価できます。満足するモデルになったら、新しいデータで予測を実行できます。カスタムモデルをデータサイエンティストと共有して詳細な分析を行なったり、SageMaker がホストするエンドポイントにデプロイしてリアルタイム推論を行ったりすることもできます。すべての操作は Canvas アプリケーション内から行うことができます。

Canvas カスタムモデルは、次のタイプのデータセットでトレーニングできます。
+ 表形式 (数値、カテゴリ、時系列、テキストデータを含む)
+ 画像

Canvas で構築できるカスタムモデルのタイプ、サポートされているデータ型、データソースを次の表に示します。


| モデルタイプ | ユースケースの例 | サポートされているデータ型 | サポートされているデータソース | 
| --- | --- | --- | --- | 
| 数値予測 | 平方フィートなどの特徴に基づく住宅価格の予測 | 数値 | ローカルアップロード、Amazon S3、SaaS コネクタ | 
| 2 カテゴリ予測 | カスタマーチャーン予測 | バイナリまたはカテゴリ | ローカルアップロード、Amazon S3、SaaS コネクタ | 
| 3\$1 カテゴリ予測 | 退院後の患者の予後予測 | カテゴリ | ローカルアップロード、Amazon S3、SaaS コネクタ | 
| 時系列予測 | 次の四半期の在庫予測 | 時系列 | ローカルアップロード、Amazon S3、SaaS コネクタ | 
| 単一ラベル画像予測 | 画像に含まれる製造上の欠陥の種類の予測 | 画像 (JPG、PNG) | ローカルアップロード、Amazon S3 | 
| マルチカテゴリテキスト予測 | 商品説明に基づいた衣類、電気製品、家庭用品などの製品カテゴリの予測 |  ソース列: テキスト ターゲット列: バイナリまたはカテゴリ | ローカルアップロード、Amazon S3 | 

**開始方法**

カスタムモデルから予測を構築して生成するには、以下を実行します。
+ ユースケースと構築するモデルのタイプを決定します。カスタムモデルのタイプの詳細については、「[カスタムモデルの仕組み](canvas-build-model.md)」を参照してください。カスタムモデルでサポートされているデータ型とソースの詳細については、「[データのインポート](canvas-importing-data.md)」を参照してください。
+ Canvas に[データをインポート](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-importing-data.html)します。入力要件を満たす任意の表形式または画像のデータセットを使用して、カスタムモデルを構築できます。入力要件の詳細については、「[データセットの作成](canvas-import-dataset.md)」を参照してください。

  SageMaker AI が提供する実験可能なサンプルデータセットの詳細については、「[Canvas のサンプルデータセット](canvas-sample-datasets.md)」を参照してください。
+ カスタムモデルを[構築](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-build-model.html)します。**クイックビルド**を実行しモデルを取得してより迅速に予測を開始することも、**標準ビルド**を実行して精度を高めることもできます。

  数値、カテゴリ、時系列予測モデルタイプでは、[Data Wrangler 機能](canvas-data-prep.md)を使用してデータを整理し、準備することができます。Data Wrangler では、データフローを作成して、高度な変換の適用やデータセットの結合など、さまざまなデータ準備手法を使用できます。画像予測モデルでは、[画像データセットを編集する](canvas-edit-image.md)してラベルを更新したり、画像を追加したり削除したりできます。これらの機能はマルチカテゴリのテキスト予測モデルでは使用できないことに注意してください。
+ [モデルのパフォーマンスを評価](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-evaluate-model.html)し、実際のデータでどの程度うまく機能するかを判断してください。
+ モデルを使用して[単一予測またはバッチ予測を行います](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-make-predictions.html)。