Klasifikace pomocí AutoML

Pomocí AutoML můžete automaticky najít nejlepší klasifikační algoritmus a konfiguraci hyperparametrů pro predikci popisku nebo kategorie daného vstupu.

Nastavení experimentu klasifikace s uživatelským rozhraním

Problém s klasifikací můžete nastavit pomocí uživatelského rozhraní AutoML pomocí následujícího postupu:

1. Na bočním panelu vyberte Experimenty.

2. Na kartě Klasifikace vyberte Spustit školení.

   Zobrazí se stránka konfigurace experimentu AutoML. Na této stránce nakonfigurujete proces AutoML, určíte datovou sadu, typ problému, předpověděný cílový nebo popisný sloupec, metriku, kterou použijete pro vyhodnocení a ohodnocení běhů experimentu, a podmínky zastavení.

3. V poli Výpočet vyberte cluster, který běží Databricks Runtime ML.

4. V části Datová sadavyberte Procházet.

5. Přejděte do tabulky, kterou chcete použít, a klikněte na Vybrat. Zobrazí se schéma tabulky.

   • Ve službě Databricks Runtime 10.3 ML a novějších můžete určit, které sloupce AutoML by se měly použít pro trénování. Sloupec vybraný jako cíl předpovědi nebo časový sloupec nelze odebrat, aby se data rozdělila.
   • Ve službě Databricks Runtime 10.4 LTS ML a vyšší můžete určit, jak jsou hodnoty null imputace výběrem z rozevíracího seznamu Impute s. AutoML ve výchozím nastavení vybere metodu imputace na základě typu sloupce a obsahu.

   Poznámka:

   Pokud zadáte metodu bez výchozí imputace, AutoML neprovádí detekci sémantických typů.

6. Klikněte do pole Cíl předpovědi. Zobrazí se rozevírací seznam se seznamem sloupců zobrazených ve schématu. Vyberte sloupec, který má model předpovědět.

7. Pole Název experimentu zobrazuje výchozí název. Pokud ho chcete změnit, zadejte nový název do pole.

Můžete také:

• Zadejte další možnosti konfigurace.
• Pomocí existujících tabulek funkcí v úložišti funkcí můžete rozšířit původní vstupní datovou sadu.

Pokročilé konfigurace

Otevřete oddíl Advanced Configuration (volitelné) pro přístup k těmto parametrům.

• Metrika vyhodnocení je primární metrika použitá k určení skóre spuštění.
• Ve službě Databricks Runtime 10.4 LTS ML a novějších můžete vyloučit z úvahy trénovací architektury. AutoML ve výchozím nastavení trénuje modely pomocí architektur uvedených v algoritmech AutoML.
• Podmínky zastavení můžete upravit. Výchozí podmínky zastavení jsou:
  • U předpovědí experimentů zastavte po 120 minutách.
  • V Databricks Runtime 10.4 LTS ML a níže pro klasifikační a regresní experimenty zastavte po 60 minutách nebo po dokončení 200 pokusů, podle toho, co nastane dříve. Pro Databricks Runtime 11.0 ML a vyšší se počet pokusů nepoužívá jako stav zastavení.
  • V Databricks Runtime 10.4 LTS ML a novějších, pro klasifikační a regresní experimenty autoML zahrnuje předčasné zastavení; zastaví trénování a ladění modelů, pokud se metrika ověřování už nelepší.
• V Databricks Runtime 10.4 LTS ML a vyšších můžete vybrat možnost time column pro rozdělení dat na trénování, ověřování a testování v chronologickém pořadí (platí jenom pro klasifikaci a regresi).
• Databricks doporučuje nenaplnění pole Adresář dat. Tím se aktivuje výchozí chování zabezpečeného ukládání datové sady jako artefaktu MLflow. Je možné zadat cestu DBFS, ale v tomto případě datová sada nedědí přístupová oprávnění experimentu AutoML.

Spuštění experimentu a monitorování výsledků

Chcete-li spustit experiment AutoML, klepněte na tlačítko Spustit AutoML. Experiment se spustí a zobrazí se stránka pro trénování AutoML. Pokud chcete aktualizovat tabulku spuštění, klikněte na tlačítko .

Zobrazení průběhu experimentu

Z této stránky můžete:

• Experiment můžete kdykoli zastavit.
• Otevřete poznámkový blok pro zkoumání dat.
• Monitorování spuštění.
• Přejděte na stránku spuštění pro jakékoli spuštění.

S modulem Databricks Runtime 10.1 ML a novějším zobrazí AutoML upozornění na potenciální problémy s datovou sadou, jako jsou nepodporované typy sloupců nebo sloupce s vysokou kardinalitou.

Poznámka:

Databricks nejlépe indikuje potenciální chyby nebo problémy. To ale nemusí být komplexní a nemusí zaznamenávat problémy nebo chyby, které hledáte.

Pokud chcete zobrazit všechna upozornění pro datovou sadu, klikněte na kartu Upozornění na stránce školení nebo na stránce experimentu po dokončení experimentu.

Zobrazení výsledků

Po dokončení experimentu můžete:

• Zaregistrujte a nasaďte jeden z modelů pomocí MLflow.
• Vyberte Zobrazit poznámkový blok nejlepšího modelu, abyste mohli zkontrolovat a upravit poznámkový blok, který vytvořil nejlepší model.
• Výběrem Zobrazit poznámkový blok pro zkoumání dat otevřete poznámkový blok pro zkoumání dat.
• Hledání, filtrování a řazení běhů v tabulce běhů.
• Podrobnosti o každém spuštění:
  • Vygenerovaný poznámkový blok obsahující zdrojový kód pro zkušební spuštění najdete kliknutím na spuštění MLflow. Poznámkový blok se uloží v části Artefakty na stránce spuštění. Tento poznámkový blok si můžete stáhnout a importovat do pracovního prostoru, pokud správce pracovního prostoru povolí stahování artefaktů.
  • Pokud chcete zobrazit výsledky spuštění, klikněte ve sloupci Modely nebo ve sloupci Čas zahájení. Zobrazí se stránka spuštění s informacemi o zkušebním spuštění (například parametry, metriky a značky) a artefaktech vytvořených spuštěním, včetně modelu. Tato stránka obsahuje také fragmenty kódu, které můžete použít k předpovědím s modelem.

Pokud se chcete vrátit k tomuto experimentu AutoML později, najděte ho v tabulce na stránce Experimenty. Výsledky každého experimentu AutoML, včetně zkoumání dat a trénovacích poznámkových bloků, jsou uložené ve databricks_automl složce v domovské složce uživatele, který experiment spustil.

Registrace a nasazení modelu

Model můžete zaregistrovat a nasadit pomocí uživatelského rozhraní AutoML:

1. Vyberte odkaz ve sloupci Modely, aby se model zaregistroval. Po dokončení spuštění je nejlepším modelem horního řádku (na základě primární metriky).
2. Výběrem tlačítka zaregistrujte model v registru modelů.
3. Výběrem ikony Modely na bočním panelu přejděte do registru modelů.
4. V tabulce modelu vyberte název modelu.
5. Na stránce zaregistrovaného modelu můžete model obsluhovat pomocí obsluhy modelů.

Žádný modul s názvem pandas.core.indexes.numeric

Při poskytování modelu vytvořeného pomocí AutoML s obsluhou modelů se může zobrazit chyba: No module named 'pandas.core.indexes.numeric.

Důvodem je nekompatibilní pandas verze mezi AutoML a modelem obsluhující prostředí koncového bodu. Tuto chybu můžete vyřešit spuštěním skriptu add-pandas-dependency.py. Skript upraví requirements.txt protokolovaný model tak conda.yaml , aby zahrnoval příslušnou pandas verzi závislostí: pandas==1.5.3

1. Upravte skript tak, aby zahrnoval identifikátor run_id běhu v MLflow, kde byl váš model zalogován.
2. Opětovná registrace modelu do registru modelů MLflow
3. Zkuste obsluhovat novou verzi modelu MLflow.

Další kroky

• Rozhraní API pro klasifikaci
• Nastavení přípravy dat klasifikace