MLflow-experiment

MLflow-experimentdatakällan tillhandahåller ett standard-API för att läsa in MLflow-experimentkörningsdata. Du kan läsa in data från notebook-experimenteteller använda MLflow-experimentets namn eller experiment-ID.

Krav

Databricks Runtime 6.0 ML eller senare.

Läsa in data från notebook-experimentet

Om du vill läsa in data från notebook-experimentet använder du load().

Python

df = spark.read.format("mlflow-experiment").load()
display(df)

Scala

val df = spark.read.format("mlflow-experiment").load()
display(df)

Läsa in data med hjälp av experiment-ID:t

Om du vill läsa in data från ett eller flera arbetsyteexperiment anger du experiment-ID:t enligt bilden.

Python

df = spark.read.format("mlflow-experiment").load("3270527066281272")
display(df)

Scala

val df = spark.read.format("mlflow-experiment").load("3270527066281272,953590262154175")
display(df)

Ladda data med experimentnamn

Du kan också skicka experimentnamnet till metoden 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)

Filtrera data baserat på mått och parametrar

Exemplen i det här avsnittet visar hur du kan filtrera data när du har läst in dem från ett experiment.

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)

Schemat

Schemat för dataramen som returneras av datakällan är:

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