MLflow エクスペリメントの使用を開始する
このノートブックのコレクションは、MLflow エクスペリメントの実行を開始する方法を示しています。
MLflow コンポーネント
MLflow は、エンドツーエンドの機械学習ライフサイクルを管理するための オープンソース プラットフォームです。 MLflow には、次の 3 つの主要なコンポーネントがあります。
トラッキング
モデル
プロジェクト
MLflow 追跡コンポーネントを使用すると、次の APIs を使用して、マシン モデルのトレーニング セッション ( 実行 ) をログに記録してクエリーできます。
MLflow の実行 は、機械学習モデルのトレーニング プロセスに関連付けられているパラメーター、メトリクス、タグ、成果物のコレクションです。
MLflow のエクスペリメントとは何ですか?
エクスペリメント は、MLflow の組織の主要な単位です。すべての MLflow 実行はエクスペリメントに属します。 各エクスペリメントを使用すると、実行を視覚化、検索、比較したり、他のツールで分析するために実行成果物やメタデータをダウンロードしたりできます。 エクスペリメントは、Databricks でホストされる MLflow 追跡サーバーで管理されます。
エクスペリメントは、 ワークスペース のファイルツリーにあります。 エクスペリメントは、フォルダー、ノートブック、ライブラリなどの他のワークスペース オブジェクトの管理に使用するのと同じツールを使用して管理します。
MLflow サンプル ノートブック
次のノートブックでは、MLflow 追跡 APIsを使用して MLflow 実行を作成してログに記録する方法と、エクスペリメント UI を使用して実行を表示する方法を示します。 これらのノートブックは、Python、Scala、R で使用できます。
Python ノートブックと R ノートブックは、 ノートブック エクスペリメントを使用します。 Scala ノートブックは、 Shared
フォルダーにエクスペリメントを作成します。
注
Databricks Runtime 10.4 LTS 機械学習以降では、Python ノートブックの Databricks Autologging がデフォルトで有効になります。