Verwenden von Code zum Ausführen eines AutoML-Experiments
Wenn Sie ein AutoML-Experiment als Teil eines automatisierten Machine Learning Operations-Prozesses (ML Ops) ausführen möchten, können Sie Code zum Konfigurieren und Auslösen eines AutoML-Experiments schreiben.
Die AutoML-API stellt eine Python-Bibliothek bereit, mit der Sie AutoML-Experimente für Klassifizierung, Regression und Vorhersage durchführen können. Zum Konfigurieren der spezifischen Details für ein AutoML-Experiment müssen Sie Code schreiben, der je nach Bedarf die Methode classify, regress oder forecast mit den Parametern für Ihre jeweiligen Anforderungen verwendet.
Der folgende Code führt beispielsweise ein AutoML-Experiment zur Klassifizierung aus.
from databricks import automl
# Get the training data
train_df = spark.sql("SELECT * FROM penguins")
# Configure and initiate the AutoML experiment
summary = automl.classify(train_df, target_col="Species",
primary_metric="precision", timeout_minutes=5)
# Get the best model
model_uri = summary.best_trial.model_path
Tipp
Weitere Informationen zur Verwendung der AutoML-API finden Sie in der Azure Databricks-Dokumentation unter Trainieren von ML-Modellen mit der AutoML-Python-API für Azure Databricks.