使用 Microsoft Fabric 定型和評分模型
當您擷取、探索及預先處理資料時，您可以使用資料來定型模型。 定型模型是反覆程序，而且您會希望能追蹤您的工作。
Microsoft Fabric 會與 MLflow 整合，輕鬆地追蹤和記錄您的工作，讓您可隨時檢閱工作，以決定定型最終模型的最佳方式。 當您追蹤工作時，您的結果可輕鬆重現。
您想要追蹤的任何工作，都可以追蹤為 實驗。
瞭解實驗
每當您在想要追蹤的筆記本中定型模型時，您會在 Microsoft Fabric 中建立實驗。
實驗可以包含多個執行項目。 每個 執行項目 都代表您在筆記本中執行的工作，例如訓練機器學習模型。
例如，若要將機器學習模型定型以進行銷售預測，您可以使用相同的演算法嘗試不同的訓練資料集。 每次使用不同的資料集定型模型時，都會建立新的實驗執行。 然後，您可以比較實驗回合，以判斷最佳的執行模型。
開始追蹤計量
若要比較實驗回合，您可以追蹤每個回合的參數、計量和成品。
您在實驗回合中追蹤的所有參數、計量和成品都會顯示在實驗概觀中。 您可以在 [執行詳細資料] 索引標籤中個別檢視實驗執行，或使用 [執行清單] 比較不同執行項目:
藉由使用 MLflow 追蹤您的工作，您可以比較模型定型反覆項目，並決定哪一個設定能為您的使用案例產生最佳模型。
瞭解模型
定型模型之後，您想要使用它進行評分。 透過評分，您可以在新資料上使用模型來產生預測或深入解析。 當您使用 MLflow 定型和追蹤模型時，成品會儲存在實驗執行中，以代表您的模型及其中繼資料。 您可以將這些成品儲存在 Microsoft Fabric 中作為 模型。
藉由將模型成品儲存為 Microsoft Fabric 中的已註冊模型，您可以輕鬆地管理模型。 每當您定型新的模型，並將其儲存在相同名稱下時，您就會將新版本新增至模型。
使用模型來產生深入解析
若要使用模型來產生預測，您可以在 Microsoft Fabric 中使用 [PREDICT] 函式。 [PREDICT] 函式是用來輕鬆地與 MLflow 模型整合，並可讓您使用模型來產生批次預測。
例如，您每週會收到來自數家商店的銷售資料。 根據歷程記錄資料，您已定型模型，該模型可根據過去幾週的銷售量預測下一週的銷售量。 您已使用 MLflow 追蹤模型，並將其儲存在 Microsoft Fabric 中。 每當新的每週銷售資料傳入時，您可使用 [PREDICT] 函式讓模型產生下一週的預測。 預測的銷售資料會儲存為 Lakehouse 中的資料表，這會在 Power BI 報表中視覺化，以供商務使用者使用。