Navigera i gränssnittet för ML-distribution
När du öppnar din ML-distribution kan du genomföra åtgärder för hantering och övervakning och använda den för att generera prognoser för datauppsättningar.
Öppna en ML-distribution från katalogen. Det finns navigeringsalternativ för följande:
-
Modellgodkännande
-
Information om distribution
-
Datauppsättningsprognoser (batchprognoser)
-
Prognoser i realtid
-
Övervakning av datadrift och drift
Modellgodkännandestatus
Innan ML-distributionen kan börja generera prognoser måste källmodellen aktiveras. Denna process kallas för modellgodkännande och hjälper till att kontrollera antalet aktivt använda distribuerade modeller i prenumerationen.
Om du har rätt behörigheter kan du aktivera och inaktivera källmodellen efter behov. Kontakta annars en klientorganisationsadministratör eller annan användare med tillräckliga behörigheter.
Se:
Distributionsöversikt
I Driftsättningsöversikt visas de funktioner som används i modellträningen och detaljer om driftsättningen.
Översikt över ML-driftsättningen
Batchförutsägelser
I Datauppsättningsprognoser kan du hantera och köra batchprognoser med hjälp av ML-distributionen. Klicka på Skapa prognos för att skapa en prognoskonfiguration som du kan köra batchprognoser från. Du kan ha flera prognoskonfigurationer för en ML-driftsättning.
Du kan använda menyn Åtgärder 
i tabellen för att:
Köra prognoser från befintliga konfigurationer
Redigera och ta bort konfigurationer
Skapa, redigera och radera prognosscheman för en befintlig prognos
Prognoser för datauppsättning med en översikt och menyn Åtgärder utökad
Om du väljer Redigera prognoskonfiguration öppnas fönstret Prognoskonfiguration.
Prognoser för datauppsättning med sidofönster för konfigurering av prognoser
Prognoser i realtid
Rutan Prognoser i realtid ger dig tillgång till slutpunkten för realtidsprognoser i API:t för maskininlärning. Om modellen i ML-distributionen är aktiverad för att göra prognoser är den här rutan synlig.
Se Skapa realtidsprognoser för information om hur du skapar realtidsprognoser.
API:t för realtidsprognoser har fasats ut och ersatts av slutpunkten för realtidsprognoser i API:t för maskininlärning. Funktionaliteten i sig är inte utfasad. För framtida realtidsprognoser, använd slutpunkten för realtidsprognoser i API:et för maskininlärning.
Modellövervakning
Du kan övervaka datadrift och drift för ML-distributionen. För att utföra modellövervakning öppnar du fönstret för Övervakning av datadrift.
Med övervakning av datadrift kan du bedöma förändringar i fördelningen av funktioner i källmodellen. När betydande förändringar observeras rekommenderas att du omskolar eller omkonfigurerar din modell för att ta hänsyn till de senaste uppgifterna, som kan indikera nya mönster i datamodellerna.
Mer information finns i Övervakning av datadrift i distribuerade datamodeller.
Med driftövervakning kan du visa detaljer om hur ML-distributionen används, t.ex. hur många prognoshändelser som lyckas eller misslyckas och hur prognoshändelser vanligtvis triggas.
Mer information finns i Övervakning av distribuerad modelldrift.
Rutan Datadriftsövervakning i AutoML
Visa ML-experiment
Klicka på Visa ML-experiment i det nedre vänstra hörnet av sidan för att öppna ML-experimentet som ML-distributionen skapades från.
Översikt över ML-driftsättningen
