Microsoft Fabric ile modelleri eğit ve puanla
Verilerinizi aldığınızda, keşfettiyseniz ve önceden işledikten sonra, modeli eğitmek için bu verileri kullanabilirsiniz. Modeli eğitmek yinelemeli bir süreçtir ve çalışmanızı izleyebilmek istiyorsunuz.
Microsoft Fabric, çalışmanızı kolayca izlemek ve günlüğe kaydetmek için MLflow ile tümleştirildiğinden, son modeli eğitmek için en iyi yaklaşımın ne olduğuna karar vermek için istediğiniz zaman çalışmanızı gözden geçirmenizi sağlar. Çalışmanızı takip ettiğinizde sonuçlarınız kolayca yeniden üretilebilir.
İzlemek istediğiniz tüm çalışmalar deneme olarak izlenebilir.
Denemeleri anlama
İzlemek istediğiniz bir not defterindeki bir modeli her eğitdiğinizde, Microsoft Fabric'te bir deneme oluşturursunuz.
Deneme birden çok çalıştırmadan oluşabilir. Her çalıştırma , bir makine öğrenmesi modelini eğitma gibi bir not defterinde yürüttüğüniz bir görevi temsil eder.
Örneğin, bir makine öğrenmesi modelini satış tahmini için eğitmek için aynı algoritmaya sahip farklı eğitim veri kümelerini deneyebilirsiniz. Modeli farklı bir veri kümesiyle eğittiğiniz her seferde yeni bir deneme çalıştırması oluşturursunuz. Ardından, en iyi performans gösteren modeli belirlemek için deneme çalıştırmalarını karşılaştırabilirsiniz.
Ölçümleri izlemeye başlama
Deneme çalıştırmalarını karşılaştırmak için her çalıştırmanın parametrelerini, ölçümlerini ve yapıtlarını izleyebilirsiniz.
Deneme çalıştırmasında takip ettiğiniz tüm parametreler, ölçümler ve yapıtlar denemelere genel bakış bölümünde gösterilir. Deneme çalıştırmalarını Çalıştırma ayrıntıları sekmesinde tek tek görüntüleyebilir veya çalıştırmalar arasında Çalıştırma listesiyle karşılaştırabilirsiniz:
MLflow ile çalışmanızı izleyerek model eğitimi yinelemelerini karşılaştırabilir ve hangi yapılandırmanın kullanım örneğiniz için en iyi modelle sonuçlandığına karar vekleyebilirsiniz.
Modelleri anlama
Modeli eğitdikten sonra puanlama için kullanmak istiyorsunuz. Puanlama ile modeli yeni verilerde kullanarak tahminler veya içgörüler oluşturursunuz. MLflow ile bir modeli eğitip izlediğinizde, yapıtlar modelinizi ve meta verilerini temsil etmek için deneme çalıştırması içinde depolanır. Bu yapıtları Microsoft Fabric'te model olarak kaydedebilirsiniz.
Model yapıtlarınızı Microsoft Fabric'te kayıtlı bir model olarak kaydederek modellerinizi kolayca yönetebilirsiniz. Yeni bir modeli eğitip aynı adla kaydettiğinizde, modele yeni bir sürüm eklersiniz.
İçgörüler oluşturmak için model kullanma
Tahmin oluşturmak için model kullanmak için Microsoft Fabric'teki PREDICT işlevini kullanabilirsiniz. PREDICT işlevi, MLflow modelleriyle kolayca tümleştirilebilmek için oluşturulmuş ve toplu tahminler oluşturmak için modeli kullanmanıza olanak tanır.
Örneğin, her hafta birkaç mağazadan satış verileri alırsınız. Geçmiş verilere dayanarak, son birkaç haftanın satışlarına göre gelecek haftanın satışlarını tahmin edebilen bir model eğitmişsinizdir. Modeli MLflow ile izlemiş ve Microsoft Fabric'e kaydetmişsinizdir. Yeni haftalık satış verileri her geldiğinde, modelin gelecek haftanın tahminini oluşturmasına izin vermek için PREDICT işlevini kullanırsınız. Tahmin edilen satış verileri, işletme kullanıcılarının tüketmesi için Power BI raporunda görselleştirilen bir göl evinde tablo olarak depolanır.