Verwenden von AutoML in der Azure Databricks-Benutzeroberfläche
Sie können die grafische Benutzeroberfläche im Azure Databricks-Portal verwenden, um AutoML-Experimente zu erstellen und zu verwalten.
Konfigurieren eines Experiments für automatisiertes maschinelles Lernen
Zum Konfigurieren des AutoML-Experiments müssen Sie die Einstellungen für Ihre spezifischen Anforderungen an das Modelltraining festlegen, darunter:
- Cluster, in dem das Experiment ausgeführt werden soll
- Der Typ des zu trainierenden Machine Learning-Modells (Clustering, Regression oder Vorhersagen)
- Die Tabelle mit den Trainingsdaten
- Zielbezeichnungsfeld für das Modell, das vorhergesagt werden soll
- Ein eindeutiger Name für das AutoML-Experiment (untergeordnete Ausführungen für jeden Trainingsversuch werden automatisch eindeutig benannt)
- Die Bewertungsmetrik, die Sie zur Ermittlung des leistungsstärksten Modells verwenden möchten
- Die Machine Learning-Trainingsframeworks, die Sie ausprobieren möchten
- Die maximale Dauer des Experiments
- Der positive Bezeichnungswert (nur für die binäre Klassifizierung)
- Die Zeitspalte (nur für Vorhersagemodelle)
- Der Speicherort der trainierten Modelle (als MLflow-Artefakte oder im DBFS-Speicher)
Überprüfen der AutoML-Ergebnisse
Während der Durchführung des AutoML-Experiments werden die untergeordneten Ausführungen angezeigt, wobei das Experiment mit dem bisher leistungsstärksten Modell zuerst aufgeführt wird.
Sie können den Abschluss des Experiments abwarten oder die bisher erstellten Modelle untersuchen und das Experiment beenden, wenn Sie überzeugt sind, dass eines der Modelle Ihren Anforderungen entspricht.
Sie können die einzelnen Ausführungen erkunden, um das erstellte Notebook und die Metriken für das erzeugte Modell anzuzeigen. Anschließend können Sie das Modell registrieren und für Rückschlüsse bereitstellen.