通过

使用 AutoML 预测（无服务器）

  • 项目

重要

此功能目前以公共预览版提供。

本文介绍如何使用马赛克 AI 模型训练 UI 运行无服务器预测试验。

马赛克 AI 模型训练 - 预测通过自动选择最佳算法和超参数来简化时序数据的预测，同时在完全托管的计算资源上运行。

若要了解无服务器预测与经典计算预测之间的差异，请参阅 无服务器预测与经典计算预测。

要求

使用 UI 创建预测试验

转到 Azure Databricks 登陆页，然后单击边栏中的 试验。

  1. 在“预测”磁贴中，选择“开始训练”。

  2. 从可访问的 Unity Catalog 表格列表中选择 训练数据。

    • 时间列：选择包含时序时间段的列。 列的类型须为 timestamp 或 date。
    • 预测频率：选择表示输入数据频率的时间单位。 例如，分钟、小时、天、月。 这决定了你的时间序列的粒度。
    • 预测地平线：指定要预测未来所选频率的单位数。 这与预测频率一起定义时间单位和要预测的时间单位数。

    注意

    若要使用 自动 ARIMA 算法，时序必须有一个常规频率，其中任意两个点之间的间隔必须在整个时序中相同。 AutoML 通过使用以前的值填充这些值来处理缺失的时间步骤。

  3. 选择要让模型预测的预测目标列。

  4. （可选）指定 Unity 目录表 预测数据路径 存储输出预测。

    无服务器预测 UI 屏幕截图。

  5. 选择模型注册 Unity 目录位置和名称。

  6. （可选）设置 高级选项：

    • 试验名称：提供 MLflow 试验名称。
    • 时序标识符列 - 对于多系列预测，请选择标识各个时序的列。 Databricks 按这些列将数据分组为不同的时序，并单独训练每个序列的模型。
    • 主要指标：选择用于评估和选择最佳模型的主要指标。
    • 训练框架：选择要浏览的 AutoML 框架。
    • 拆分列：选择包含自定义数据拆分的列。 值必须为“train”、“validate”、“test”
    • 权重列：指定要用于加权时序的列。 给定时序的所有样本必须具有相同的权重。 权重必须位于 [0， 10000] 范围内。
    • 假日区域：选择要用作模型训练中的协变量的假日区域。
    • 超时：设置 AutoML 试验的最长持续时间。

运行试验并监视结果

若要启动 AutoML 试验，请单击 开始训练。 在试验训练页中，可以执行以下操作：

  • 随时停止试验。
  • 监视运行。
  • 导航到任一运行的运行页。

查看结果或使用最佳模型

训练完成后，预测结果将存储在指定的 Delta 表中，最佳模型注册到 Unity 目录。

在“试验”页中，从以下后续步骤中选择：

  • 选择 查看预测 以查看预测结果表。
  • 选择 Batch 推理笔记本 打开自动生成的笔记本，以便使用最佳模型进行批量推理。
  • 选择 创建服务终结点，将最佳模型部署到模型服务终结点。

无服务器预测与经典计算预测

下表总结了无服务器预测与使用经典计算 的 预测之间的差异。

特征 无服务器预测 经典计算预测
计算基础结构 Azure Databricks 管理计算配置，并自动优化成本和性能。 用户配置的计算
治理 注册到 Unity 目录的模型和项目 用户配置的工作区文件存储
算法选择 统计模型 加上深度学习神经网络算法 DeepAR 统计模型
特征存储集成 不支持 支持
自动生成的笔记本 批处理推理笔记本 所有试用版的源代码
一键式模型服务部署 支持 不支持
自定义训练/验证/测试拆分 支持 不支持
单个时间序列的自定义权重 支持 不支持