Otomatik özellik araması ile Model Hizmeti

Model Sunma özelliği, Databricks Online Özellik Mağazası'ndan veya üçüncü taraf çevrimiçi mağazadan özellik değerlerini otomatik olarak arayabilir. Databricks, özellik değerlerinin gerçek zamanlı olarak sunulması için Databricks Online Özellik Depoları'nın kullanılmasını önerir.

Gereksinimler

  • Modelin, FeatureEngineeringClient.log_model (Unity Kataloğu'nda Özellik Mühendisliği için) veya FeatureStoreClient.log_model (eski Çalışma Alanı Özellik Deposu için) ile günlüğe kaydedilmiş olması ve v0.3.5 ve üzeri bir sürüm gerektirir.
  • Üçüncü taraf çevrimiçi mağazalar için, çevrimiçi mağazasalt okunur kimlik bilgileriyle yayımlanmış olmalıdır.

Not

Model eğitiminden sonra da dahil olmak üzere, model dağıtımından önce istediğiniz zaman özellik tablosunu yayımlayabilirsiniz.

Otomatik özellik arama

Azure Databricks Model Sunma , şu çevrimiçi mağazalardan otomatik özellik aramayı destekler:

Otomatik özellik araması aşağıdaki veri türleri için desteklenir:

  • IntegerType
  • FloatType
  • BooleanType
  • StringType
  • DoubleType
  • LongType
  • TimestampType
  • DateType
  • ShortType
  • DecimalType
  • ArrayType
  • MapType

Çevrimiçi model puanlamasında özellik değerlerini geçersiz kılma

Modelin gerektirdiği tüm özellikler (veya FeatureEngineeringClient.log_modelile FeatureStoreClient.log_model günlüğe kaydedildi) model puanlaması için otomatik olarak çevrimiçi mağazalardan aranıyor. Model Sunma ile REST API kullanarak bir modeli puanlarken özellik değerlerini geçersiz kılmak için özellik değerlerini API yükünün bir parçası olarak ekleyin.

Not

Yeni özellik değerleri, temel alınan model tarafından beklendiği gibi özelliğin veri türüne uygun olmalıdır.

Genişletilmiş DataFrame'i çıkarım tablosuna kaydetme

Şubat 2025'den itibaren oluşturulan uç noktalar için, arama özellik değerlerini ve işlev dönüş değerlerini içeren genişletilmiş DataFrame'i günlüğe kaydetmek için uç noktaya hizmet veren bir model yapılandırabilirsiniz. DataFrame, sunulan modelin çıkarım tablosuna kaydedilir.

Bu yapılandırmayı ayarlama yönergeleri için bkz Log özelliği arama DataFrame'lerini çıkarım tablolarına.

Çıkarım tabloları hakkında bilgi için bkz. Modelleri izleme ve hata ayıklama için çıkarım tabloları.

Defter örnekleri

Databricks Runtime 13.3 LTS ve üzeri ile Unity Kataloğu'ndaki birincil anahtara sahip tüm Delta tabloları özellik tablosu olarak kullanılabilir. Unity Kataloğu'nda özellik tablosu olarak kaydedilmiş bir tablo kullandığınızda, tüm Unity Kataloğu özellikleri özellik tablosunda otomatik olarak kullanılabilir.

Databricks Online Özellik Deposu

Aşağıdaki not defterinde, gerçek zamanlı sunum ve otomatik özellik araması için databricks Online Özellik Deposu'na özelliklerin nasıl yayımlanması gösterilmektedir.

Databricks çevrimiçi mağaza tanıtım not defteri

not defteri alma

Üçüncü taraf çevrimiçi mağazalar

Bu örnek not defteri, özelliklerin üçüncü taraf bir çevrimiçi mağazada nasıl yayımlandığını ve ardından çevrimiçi mağazadan özellikleri otomatik olarak arayabilen eğitilmiş bir model sunmanın nasıl yapıldığını gösterir.

Üçüncü taraf çevrimiçi mağaza örneği not defteri (Unity Kataloğu)

not defteri alma

Çalışma Alanı Özellik Deposu (eski)

Bu örnek not defteri, özelliklerin çevrimiçi bir mağazada nasıl yayımlandığını ve ardından çevrimiçi mağazadan özellikleri otomatik olarak arayabilen eğitilmiş bir model sunmanın nasıl yapıldığını gösterir.

Üçüncü taraf çevrimiçi mağaza örnek not defteri (Çalışma Alanı Özellik Deposu)

not defteri alma

  • Last updated on