Microsoft Fabric で Scikit-learn を使用してモデルをトレーニングする
この記事では、Scikit-learn モデルのイテレーションをトレーニングおよび追跡する方法を説明します。 Scikit-learn は、教師あり学習と教師なし学習に頻繁に使用される一般的なオープンソースの機械学習フレームワークです。 このフレームワークでは、モデルの調整、データの前処理、モデルの選択、モデルの評価などのツールも用意されています。
前提条件
ノートブック内に scikit-learn をインストールします。 次のコマンドを使用して、自分の環境で Scikit-learn のバージョンをインストールまたはアップグレードできます。
pip install scikit-learn
機械学習の実験を設定する
MLFLow API を使用して機械学習実験を作成できます。 MLflow set_experiment() 関数は、sample-sklearn という名前の新しい機械学習実験を作成します (まだ存在しない場合)。
ノートブックで次のCodeを実行し、実験を作成します：
import mlflow
mlflow.set_experiment("sample-sklearn")
scikit-learn モデルをトレーニングする
実験の設定後、サンプル データセットとロジスティック回帰モデルを作成します。 次のコードでは、MLflow の実行を開始し、メトリック、パラメーター、および最終的なロジスティック回帰モデルを追跡します。 最終的なモデルを生成後、さらに追跡を行うために結果のモデルも保存できます。
ノートブックで次のコードを実行し、サンプル データセットとロジスティック回帰モデルを作成します。
import mlflow.sklearn
import numpy as np
from sklearn.linear_model import LogisticRegression
from mlflow.models.signature import infer_signature
with mlflow.start_run() as run:
lr = LogisticRegression()
X = np.array([-2, -1, 0, 1, 2, 1]).reshape(-1, 1)
y = np.array([0, 0, 1, 1, 1, 0])
lr.fit(X, y)
score = lr.score(X, y)
signature = infer_signature(X, y)
print("log_metric.")
mlflow.log_metric("score", score)
print("log_params.")
mlflow.log_param("alpha", "alpha")
print("log_model.")
mlflow.sklearn.log_model(lr, "sklearn-model", signature=signature)
print("Model saved in run_id=%s" % run.info.run_id)
print("register_model.")
mlflow.register_model(
"runs:/{}/sklearn-model".format(run.info.run_id), "sample-sklearn"
)
print("All done")
サンプル データセットでモデルを読み込んで評価する
モデルを保存したら、推論のためにモデルを読み込むこともできます。
ノートブックで次のコードを実行し、モデルを読み込み、サンプル データセットで推論を実行します。
# Inference with loading the logged model
from synapse.ml.predict import MLflowTransformer
spark.conf.set("spark.synapse.ml.predict.enabled", "true")
model = MLflowTransformer(
inputCols=["x"],
outputCol="prediction",
modelName="sample-sklearn",
modelVersion=1,
)
test_spark = spark.createDataFrame(
data=np.array([-2, -1, 0, 1, 2, 1]).reshape(-1, 1).tolist(), schema=["x"]
)
batch_predictions = model.transform(test_spark)
batch_predictions.show()