AutoML Integração do recurso Store

AutoML pode aumentar a entrada original dataset com recurso das tabelas de recurso em Unity Catalog ou no espaço de trabalho legado recurso Store.

Requisitos

• Os experimentos de classificação e regressão exigem Databricks Runtime 11.3 LTS ML e acima.
• Os experimentos de previsão exigem Databricks Runtime 12.2 LTS ML e acima.

Selecione uma tabela de recurso usando a interface do usuário AutoML

Depois de configurar o experimento AutoML, o senhor pode selecionar uma tabela de recursos usando as etapas a seguir:

1. Clique em join recurso (opcional) .

   

2. Na página unir recurso adicional , selecione uma tabela de recurso no campo Tabela de recurso .

3. Para cada recurso primário da tabela key , selecione a pesquisa correspondente key. A pesquisa key deve ser uma coluna no treinamento dataset que o senhor forneceu para o seu experimento AutoML.

4. Para tabelas de recurso de série temporal, selecione a pesquisa de carimbo de data/hora correspondente key. Da mesma forma, a pesquisa de carimbo de data/hora key deve ser uma coluna no treinamento dataset que o senhor forneceu para o seu experimento AutoML.

   

5. Para adicionar mais tabelas de recurso, clique em Add another recurso table (Adicionar outra tabela de recurso ) e repita as etapas acima.

Use tabelas de recurso com o site AutoML API

Para usar tabelas de recursos existentes, defina o parâmetro feature_store_lookups na especificação de execução do siteAutoML.

Python

feature_store_lookups = [
  {
     "table_name": "example.trip_pickup_features",
     "lookup_key": ["pickup_zip", "rounded_pickup_datetime"],
  },
  {
      "table_name": "example.trip_dropoff_features",
     "lookup_key": ["dropoff_zip", "rounded_dropoff_datetime"],
  }
]

O Notebook a seguir mostra como join tabelas de recursos para seu treinamento dataset para uso com AutoML.

AutoML experimento usando tabelas de recurso Notebook

Open notebook in new tab