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。

# Studio Classic の Amazon SageMaker Experiments
<a name="experiments"></a>

**重要**  
SageMaker Experiments Python SDK を使用した実験の追跡は、Studio Classic でのみ行うことができます。新しい Studio エクスペリエンスを使用し、最新の SageMaker AI と MLflow の統合を活用して実験を作成することをお勧めします。MLflow の UI は Studio Classic とは統合されていません。Studio で MLflow を使用する場合は、 AWS CLIを使用して MLflow UI を起動する必要があります。詳細については、「[AWS CLI を使用して MLflow UI を起動する](mlflow-launch-ui.md#mlflow-launch-ui-cli)」を参照してください。

Amazon SageMaker Experiments Classic は Amazon SageMaker AI の機能の 1 つです。Studio Classic で機械学習の実験を作成、管理、分析、比較できます。SageMaker Experiments を使用すると、プログラムで作成したカスタム実験と SageMaker AI ジョブから自動的に作成された実験の両方を表示、管理、分析、比較できます。

Experiments Classic は、入力、パラメータ、設定、反復の結果を*実行 (Run)* として自動的に追跡します。この実行を*実験*に割り当て、グループ化し、整理することができます。SageMaker Experiments は Amazon SageMaker Studio Classic と統合されており、ビジュアルインターフェイスを利用して、アクティブな実験や過去の実験を参照できるほか、主要なパフォーマンスメトリクスで実行を比較し、最もパフォーマンスの高いモデルを特定できます。SageMaker Experiments により、モデル作成のすべてのステップとアーティファクトが追跡されるため、本稼働で発生した問題のトラブルシューティングやコンプライアンスの監査の際に、モデルの履歴を簡単に追跡できます。

## Experiments Classic から Amazon SageMaker AI with MLflow に移行する
<a name="experiments-mlflow-migration"></a>

Experiments Classic を使用して作成した過去の実験を Studio Classic でも表示できます。MLflow で過去の実験コードを維持して使用する場合は、MLflow SDK を使用するようにトレーニングコードを更新し、トレーニング実験を再実行する必要があります。MLflow SDK と AWS MLflow プラグインの使用開始の詳細については、「」を参照してください[環境に MLflow を統合する](mlflow-track-experiments.md)。