Обучение и оценка моделей с помощью Microsoft Fabric
При приеме, изучении и предварительной обработке данных можно использовать данные для обучения модели. Обучение модели — это итеративный процесс, и вы хотите иметь возможность отслеживать работу.
Microsoft Fabric интегрируется с MLflow, чтобы легко отслеживать и регистрировать работу, что позволяет в любое время просматривать работу, чтобы решить, какой подход лучше всего подходит для обучения конечной модели. При отслеживании работы результаты легко воспроизводимы.
Любые действия, которые вы хотите отслеживать, можно отслеживать как эксперименты.
Общие сведения о экспериментах
Каждый раз, когда вы обучаете модель в записной книжке, которую вы хотите отслеживать, вы создаете эксперимент в Microsoft Fabric.
Эксперимент может состоять из нескольких запусков. Каждое выполнение представляет задачу, выполняемую в записной книжке, например обучение модели машинного обучения.
Например, чтобы обучить модель машинного обучения для прогнозирования продаж, можно попробовать различные обучающие наборы данных с одинаковым алгоритмом. Каждый раз, когда вы обучаете модель с другим набором данных, создается новый запуск эксперимента. Затем можно сравнить выполнение эксперимента, чтобы определить оптимальную модель.
Запуск метрик отслеживания
Чтобы сравнить выполнение экспериментов, можно отслеживать параметры, метрики и артефакты для каждого запуска.
Все параметры, метрики и артефакты, отслеживаемые в ходе эксперимента, отображаются в обзоре экспериментов. Эксперимент можно просматривать отдельно на вкладке "Сведения о выполнении" или сравнивать между запусками со списком выполнения:
Отслеживая работу с MLflow, вы можете сравнить итерации обучения моделей и решить, какая конфигурация привела к оптимальной модели для вашего варианта использования.
Общие сведения о моделях
После обучения модели вы хотите использовать ее для оценки. При оценке модель используется для создания прогнозов или аналитических сведений. При обучении и отслеживании модели с помощью MLflow артефакты хранятся в ходе эксперимента для представления модели и ее метаданных. Эти артефакты можно сохранить в Microsoft Fabric как модель.
Сохраняя артефакты модели в качестве зарегистрированной модели в Microsoft Fabric, вы можете легко управлять моделями. В любой момент, когда вы обучите новую модель и сохраните ее под тем же именем, добавьте новую версию в модель.
Использование модели для создания аналитических сведений
Чтобы использовать модель для создания прогнозов, можно использовать функцию PREDICT в Microsoft Fabric. Функция PREDICT создается для легкой интеграции с моделями MLflow и позволяет использовать модель для создания пакетных прогнозов.
Например, каждую неделю вы получаете данные о продажах из нескольких магазинов. На основе исторических данных вы обучили модель, которая может прогнозировать продажи на следующую неделю на основе продаж последних нескольких недель. Вы отслеживали модель с помощью MLflow и сохранили ее в Microsoft Fabric. Всякий раз, когда появляются новые еженедельные данные о продажах, вы используете функцию PREDICT, чтобы позволить модели создать прогноз на следующую неделю. Прогнозируемые данные о продажах хранятся в виде таблицы в лейкхаусе, которая визуализируется в отчете Power BI для использования бизнес-пользователями.