События
Присоединяйтесь к нам в FabCon Vegas
31 мар., 23 - 2 апр., 23
Конечное событие Microsoft Fabric, Power BI, SQL и ai community. 31 марта по 2 апреля 2025 г.
Зарегистрироваться сегодняЭтот браузер больше не поддерживается.
Выполните обновление до Microsoft Edge, чтобы воспользоваться новейшими функциями, обновлениями для системы безопасности и технической поддержкой.
Модель машинного обучения — это файл, обученный распознавать определенные типы шаблонов. Вы обучаете модель по набору данных и предоставляете его алгоритму, который используется для рассудка и изучения этого набора данных. После обучения модели его можно использовать для анализа данных, которые он никогда не видел раньше, и делать прогнозы об этом данных.
В MLflow модель машинного обучения может включать несколько версий модели. Здесь каждая версия может представлять итерацию модели. В этой статье вы узнаете, как взаимодействовать с моделями машинного обучения для отслеживания и сравнения версий моделей.
В MLflow модели машинного обучения включают стандартный формат упаковки. Этот формат позволяет использовать эти модели в различных подчиненных инструментах, включая пакетное выводение в Apache Spark. Формат определяет соглашение о сохранении модели в разных "вкусах", которые могут понять различные подчиненные инструменты.
Вы можете напрямую создать модель машинного обучения из пользовательского интерфейса Fabric. API MLflow также может напрямую создать модель.
Чтобы создать модель машинного обучения из пользовательского интерфейса, можно:
Создайте новую рабочую область для обработки и анализа данных или выберите существующую рабочую область для обработки и анализа данных.
В раскрывающемся списке +Создать модель выберите "Модель ", чтобы создать пустую модель в рабочей области обработки и анализа данных.
После создания модели можно приступить к добавлению версий модели для отслеживания метрик и параметров. Регистрация или сохранение экспериментов выполняется в существующей модели.
Вы также можете создать эксперимент машинного обучения непосредственно из интерфейса разработки с mlflow.register_model()
ПОМОЩЬЮ API. Если зарегистрированная модель машинного обучения с заданным именем не существует, API создает ее автоматически.
import mlflow
model_uri = "runs:/{}/model-uri-name".format(run.info.run_id)
mv = mlflow.register_model(model_uri, "model-name")
print("Name: {}".format(mv.name))
print("Version: {}".format(mv.version))
Модель машинного обучения содержит коллекцию версий моделей для упрощенного отслеживания и сравнения. В модели специалист по обработке и анализу данных может перемещаться по различным версиям модели для изучения базовых параметров и метрик. Специалисты по обработке и анализу данных также могут выполнять сравнения между версиями моделей, чтобы определить, могут ли новые модели получить лучшие результаты.
Версия модели машинного обучения представляет отдельную модель, зарегистрированную для отслеживания.
Каждая версия модели содержит следующие сведения:
Чтобы сравнить и оценить качество версий модели машинного обучения, можно сравнить параметры, метрики и метаданные между выбранными версиями.
Вы можете визуально сравнить запуски в существующей модели. Визуальное сравнение позволяет легко переходить между и сортировать по нескольким версиям.
Чтобы сравнить запуски, можно:
Специалисты по обработке и анализу данных также могут использовать MLflow для поиска среди нескольких моделей, сохраненных в рабочей области. Ознакомьтесь с документацией по MLflow, чтобы изучить другие API MLflow для взаимодействия с моделью.
from pprint import pprint
client = MlflowClient()
for rm in client.list_registered_models():
pprint(dict(rm), indent=4)
После обучения модели в наборе данных можно применить эту модель к данным, которые он никогда не видел для создания прогнозов. Мы называем эту модель методом оценки или вывода. Дополнительные сведения о оценке модели Microsoft Fabric см. в следующем разделе.
События
Присоединяйтесь к нам в FabCon Vegas
31 мар., 23 - 2 апр., 23
Конечное событие Microsoft Fabric, Power BI, SQL и ai community. 31 марта по 2 апреля 2025 г.
Зарегистрироваться сегодняОбучение
Модуль
Обучение и отслеживание моделей машинного обучения с помощью MLflow в Microsoft Fabric - Training
Узнайте, как обучать модели машинного обучения в записных книжках и отслеживать работу с экспериментами MLflow в Microsoft Fabric.
Сертификация
Управление приемом и подготовкой данных, обучением моделей и развертыванием, а также мониторингом решений машинного обучения с помощью Python, Машинное обучение Azure и MLflow.