Experiment MLflow
Zdroj dat experimentu MLflow poskytuje standardní rozhraní API pro načtení dat spuštění experimentu MLflow. Můžete načíst data z experimentu poznámkového bloku nebo můžete použít název experimentu MLflow nebo ID experimentu.
Požadavky
Databricks Runtime 6.0 ML nebo novější
Načtení dat z experimentu poznámkového bloku
Pokud chcete načíst data z experimentu poznámkového bloku, použijte load()
.
Python
df = spark.read.format("mlflow-experiment").load()
display(df)
Scala
val df = spark.read.format("mlflow-experiment").load()
display(df)
Načtení dat pomocí ID experimentů
Pokud chcete načíst data z jednoho nebo více experimentů pracovního prostoru, zadejte ID experimentů, jak je znázorněno.
Python
df = spark.read.format("mlflow-experiment").load("3270527066281272")
display(df)
Scala
val df = spark.read.format("mlflow-experiment").load("3270527066281272,953590262154175")
display(df)
Načtení dat pomocí názvu experimentu
Do metody můžete také předat název experimentu load()
.
Python
expId = mlflow.get_experiment_by_name("/Shared/diabetes_experiment/").experiment_id
df = spark.read.format("mlflow-experiment").load(expId)
display(df)
Scala
val expId = mlflow.getExperimentByName("/Shared/diabetes_experiment/").get.getExperimentId
val df = spark.read.format("mlflow-experiment").load(expId)
display(df)
Filtrování dat na základě metrik a parametrů
Příklady v této části ukazují, jak můžete filtrovat data po načtení z experimentu.
Python
df = spark.read.format("mlflow-experiment").load("3270527066281272")
filtered_df = df.filter("metrics.loss < 0.01 AND params.learning_rate > '0.001'")
display(filtered_df)
Scala
val df = spark.read.format("mlflow-experiment").load("3270527066281272")
val filtered_df = df.filter("metrics.loss < 1.85 AND params.num_epochs > '30'")
display(filtered_df)
Schéma
Schéma datového rámce vráceného zdrojem dat je:
root
|-- run_id: string
|-- experiment_id: string
|-- metrics: map
| |-- key: string
| |-- value: double
|-- params: map
| |-- key: string
| |-- value: string
|-- tags: map
| |-- key: string
| |-- value: string
|-- start_time: timestamp
|-- end_time: timestamp
|-- status: string
|-- artifact_uri: string