ฝึกและให้คะแนนแบบจําลองด้วย Microsoft Fabric
เมื่อคุณนําเข้า สํารวจ และประมวลผลข้อมูลของคุณล่วงหน้า คุณสามารถใช้ข้อมูลเพื่อฝึกแบบจําลองได้ การฝึกแบบจําลองเป็นกระบวนการที่ต้องทําซ้ํา และคุณต้องการติดตามงานของคุณ
Microsoft Fabric รวมเข้ากับ MLflow เพื่อติดตามและบันทึกงานของคุณได้อย่างง่ายดาย ช่วยให้คุณสามารถตรวจสอบงานของคุณได้ทุกเวลาเพื่อตัดสินใจว่าวิธีที่ดีที่สุดคือการฝึกแบบจําลองขั้นสุดท้ายอย่างไร เมื่อคุณติดตามงานของคุณ ผลลัพธ์ของคุณจะทําซ้ําได้ง่าย
งานใด ๆ ที่คุณต้องการติดตามสามารถติดตามได้เป็นการทดลอง
ทําความเข้าใจการทดลอง
เมื่อใดก็ตามที่คุณฝึกแบบจําลองในสมุดบันทึกที่คุณต้องการติดตาม คุณจะสร้างการทดลองใน Microsoft Fabric
การทดลองสามารถประกอบด้วยการเรียกใช้หลายรายการ การเรียกใช้แต่ละครั้งแสดงงานที่คุณดําเนินการในสมุดบันทึก เช่น การฝึกแบบจําลองการเรียนรู้ของเครื่อง
ตัวอย่างเช่น หากต้องการฝึกแบบจําลองการเรียนรู้ของเครื่องสําหรับการพยากรณ์ยอดขาย คุณสามารถลองชุดข้อมูลการฝึกอบรมที่แตกต่างกันด้วยอัลกอริทึมเดียวกันได้ แต่ละครั้งที่คุณฝึกแบบจําลองด้วยชุดข้อมูลที่แตกต่างกัน คุณจะต้องสร้างการเรียกใช้การทดสอบใหม่ จากนั้น คุณสามารถเปรียบเทียบการเรียกใช้การทดสอบเพื่อกําหนดแบบจําลองที่มีประสิทธิภาพดีที่สุด
เริ่มเมตริกการติดตาม
เมื่อต้องการเปรียบเทียบการเรียกใช้การทดลอง คุณสามารถติดตามพารามิเตอร์ เมตริก และวัตถุสําหรับการเรียกใช้แต่ละครั้งได้
พารามิเตอร์ เมตริก และวัตถุทั้งหมดที่คุณติดตามในการเรียกใช้การทดสอบจะแสดงในภาพรวมการทดลอง คุณสามารถดูการเรียกใช้การทดสอบทีละตัวได้ในแท็บ รายละเอียดการเรียกใช้ หรือเปรียบเทียบระหว่างการทํางานกับ รายการ เรียกใช้:
โดยการติดตามงานของคุณด้วย MLflow คุณสามารถเปรียบเทียบการเกิดซ้ําการฝึกแบบจําลองและตัดสินใจว่าการกําหนดค่าใดส่งผลให้แบบจําลองที่ดีที่สุดสําหรับกรณีการใช้งานของคุณ
ทําความเข้าใจแบบจําลอง
หลังจากที่คุณฝึกแบบจําลอง คุณจะต้องใช้แบบจําลองสําหรับการให้คะแนน ด้วยการให้คะแนน คุณใช้แบบจําลองบนข้อมูลใหม่เพื่อสร้างการคาดการณ์หรือข้อมูลเชิงลึก เมื่อคุณฝึกและติดตามแบบจําลองด้วย MLflow วัตถุจะถูกจัดเก็บไว้ภายในการเรียกใช้การทดลองเพื่อแสดงแบบจําลองของคุณและเมตาดาต้า คุณสามารถบันทึกวัตถุเหล่านี้ใน Microsoft Fabric เป็น แบบจําลองได้
ด้วยการบันทึกวัตถุแบบจําลองของคุณเป็นแบบจําลองที่ลงทะเบียนไว้ใน Microsoft Fabric คุณสามารถจัดการแบบจําลองของคุณได้อย่างง่ายดาย ทุกครั้งที่คุณฝึกแบบจําลองใหม่และบันทึกแบบจําลองด้วยชื่อเดียวกัน คุณเพิ่มรุ่นใหม่ลงในแบบจําลอง
ใช้แบบจําลองเพื่อสร้างข้อมูลเชิงลึก
เมื่อต้องการใช้แบบจําลองสําหรับการสร้างการคาดการณ์ คุณสามารถใช้ฟังก์ชัน PREDICT ใน Microsoft Fabric ได้ ฟังก์ชัน PREDICT ถูกสร้างขึ้นเพื่อรวมเข้ากับแบบจําลอง MLflow ได้อย่างง่ายดายและช่วยให้คุณสามารถใช้แบบจําลองสําหรับการสร้างการคาดการณ์แบบชุดได้
ตัวอย่างเช่น ทุกสัปดาห์คุณได้รับข้อมูลยอดขายจากหลายร้านค้า จากข้อมูลในอดีต คุณได้ฝึกแบบจําลองที่สามารถคาดการณ์ยอดขายสําหรับสัปดาห์ถัดไปโดยยึดตามยอดขายของสองสามสัปดาห์ที่ผ่านมา คุณติดตามแบบจําลองด้วย MLflow และบันทึกไว้ใน Microsoft Fabric เมื่อใดก็ตามที่มีข้อมูลยอดขายรายสัปดาห์ใหม่เข้ามา คุณใช้ฟังก์ชัน PREDICT เพื่อให้แบบจําลองสร้างการคาดการณ์สําหรับสัปดาห์ถัดไป ข้อมูลยอดขายที่คาดการณ์ไว้จะถูกจัดเก็บเป็นตารางในเลคเฮ้าส์ ซึ่งแสดงในรายงาน Power BI เพื่อให้ผู้ใช้ทางธุรกิจใช้งานได้