Vad är AutoML?
Databricks AutoML hjälper dig att automatiskt tillämpa maskininlärning på en datauppsättning. Du anger datamängden och identifierar förutsägelsemålet, medan AutoML förbereder datauppsättningen för modellträning. AutoML utför och registrerar sedan en uppsättning utvärderingsversioner som skapar, justerar och utvärderar flera modeller. Efter modellutvärderingen visar AutoML resultatet och tillhandahåller en Python-notebook-fil med källkoden för varje utvärderingskörning så att du kan granska, återskapa och ändra koden. AutoML beräknar även sammanfattningsstatistik för din datamängd och sparar den här informationen i en notebook-fil som du kan granska senare.
Du kan använda Databricks AutoML för regressions-, klassificerings- och prognosproblem. Läs mer om hur Azure Databricks AutoML fungerar.
Krav
- Databricks Runtime 9.1 ML eller senare. För den allmänna tillgänglighetsversionen (GA) databricks Runtime 10.4 LTS ML eller senare.
- För prognostisering av tidsserier, Databricks Runtime 10.0 ML eller senare.
- Med Databricks Runtime 9.1 LTS ML och senare är AutoML beroende av
databricks-automl-runtimepaketet, som innehåller komponenter som är användbara utanför AutoML, och hjälper även till att förenkla notebook-filerna som genereras av AutoML-träning.databricks-automl-runtimefinns på PyPI.
- Inga andra bibliotek än de som är förinstallerade i Databricks Runtime for Machine Learning ska installeras i klustret.
- Ändringar (borttagning, uppgraderingar eller nedgradering) till befintliga biblioteksversioner resulterar i körningsfel på grund av inkompatibilitet.
- AutoML är inte kompatibelt med kluster för delat åtkomstläge.
- Om du vill använda Unity Catalog med AutoML måste klusteråtkomstläget vara Enskild användare och du måste vara den avsedda enskilda användaren i klustret.