Databricks AutoML 如何指定特征列
## Databricks AutoML 如何指定特征列?掌握Feature Store集成技巧 在使用 Databricks AutoML 进行模型训练时,如何高效地利用 Feature Store 并指定所需的特征列?本文针对在使用 Databricks AutoML 结合 Feature Store 时,直接传递 Feature Store lookups 可能遇到的问题,提供了一套完整的解决方案。通过 `fe.create_training_set` 和 `training_set.load_df()` 函数创建训练数据集,你可以精确控制 AutoML 使用的特征列,避免不必要的列包含。本文详细介绍了定义 Feature Lookups、创建训练数据集、加载 DataFrame 以及运行 AutoML 的步骤,并附带示例代码,助你轻松将 Feature Store 集成到 AutoML 工作流程中,提升模型性能。了解如何在Databricks AutoML中指定特征列,优化模型训练效果!

本文档介绍了在使用 Databricks AutoML 与 Feature Store 结合时,如何正确指定特征列。 当直接将 Feature Store lookups 传递给 databricks.automl.regress 或 databricks.automl.classify 函数时,可能会遇到问题,特别是当你只想使用 Feature Table 中的部分特征时。本文提供了一种解决方案,通过使用 fe.create_training_set 和 training_set.load_df() 来创建训练数据集,从而允许你在 AutoML 中指定要使用的特征列。
使用 Feature Store 创建训练数据集并应用于 AutoML
在使用 Databricks AutoML 时,如果你的数据依赖于 Feature Store,并且你希望精确控制哪些特征列被用于训练,直接将 Feature Store lookups 传递给 AutoML 函数可能无法满足需求。这是因为 AutoML 的 regress 和 classify 函数在直接使用 feature_store_lookups 参数时,可能无法让你指定要包含的特征名称,并且排除列的功能可能不适用于 Feature Store 的列。
解决此问题的推荐方法是首先使用 Feature Store 的 API 创建一个训练数据集,然后将该数据集加载到 DataFrame 中,最后将该 DataFrame 传递给 AutoML 函数。
以下步骤展示了如何实现这一目标:
定义 Feature Lookups:
首先,你需要定义一个 FeatureLookup 对象的列表,用于指定要从 Feature Store 中查找的特征。 这些对象指定了 Feature Table 的名称、查找键以及要包含的特征名称。
from databricks import feature_store as fe from databricks.feature_store import FeatureLookup model_feature_lookups = [ FeatureLookup( table_name="lakehouse_in_action.favorita_forecasting.oil_10d_lag_ft", lookup_key="date", feature_names="lag10_oil_price" ), FeatureLookup( table_name="lakehouse_in_action.favorita_forecasting.store_holidays_ft", lookup_key=["date","store_nbr"] ), FeatureLookup( table_name="lakehouse_in_action.favorita_forecasting.stores_ft", lookup_key="store_nbr", feature_names=["cluster","store_type"] ), ]请注意,feature_names 参数允许你指定要从每个 Feature Table 中包含的特定特征。
创建训练数据集:
使用 fe.create_training_set 函数创建一个训练数据集。 此函数接受原始数据 DataFrame、FeatureLookup 对象的列表以及目标列的名称。
training_set = fe.create_training_set( df=raw_data, feature_lookups=model_feature_lookups, label=label_name, )加载 DataFrame:
使用 training_set.load_df() 方法将训练数据集加载到 DataFrame 中。 此 DataFrame 包含原始数据以及从 Feature Store 中查找的特征。
training_df = training_set.load_df()
运行 AutoML:
现在,你可以将加载的 DataFrame 传递给 databricks.automl.regress 或 databricks.automl.classify 函数。 你还可以使用 exclude_cols 参数排除不需要的列。
automl_data = training_df.filter("date > '2016-12-31'") # Optional: Filter data for faster execution summary = databricks.automl.regress(automl_data, target_col=label_name, time_col="date", timeout_minutes=6, exclude_cols=['id'] )注意: exclude_cols 参数用于排除原始数据中的列,而不是 Feature Store 中查找的列。
示例代码
以下是完整的示例代码,展示了如何使用 Feature Store 创建训练数据集并将其应用于 AutoML:
from databricks import feature_store as fe
from databricks.feature_store import FeatureLookup
# 1. Define Feature Lookups
model_feature_lookups = [
FeatureLookup(
table_name="lakehouse_in_action.favorita_forecasting.oil_10d_lag_ft",
lookup_key="date",
feature_names="lag10_oil_price"
),
FeatureLookup(
table_name="lakehouse_in_action.favorita_forecasting.store_holidays_ft",
lookup_key=["date","store_nbr"]
),
FeatureLookup(
table_name="lakehouse_in_action.favorita_forecasting.stores_ft",
lookup_key="store_nbr",
feature_names=["cluster","store_type"]
),
]
# 2. Create Training Dataset
training_set = fe.create_training_set(
df=raw_data,
feature_lookups=model_feature_lookups,
label=label_name,
)
# 3. Load DataFrame
training_df = training_set.load_df()
# 4. Run AutoML
automl_data = training_df.filter("date > '2016-12-31'") # Optional: Filter data for faster execution
summary = databricks.automl.regress(automl_data,
target_col=label_name,
time_col="date",
timeout_minutes=6,
exclude_cols=['id']
)注意事项
- 确保你已正确安装和配置了 Databricks Feature Store SDK。
- 在 FeatureLookup 对象中,lookup_key 必须与原始数据 DataFrame 和 Feature Table 中的键列名称匹配。
- feature_names 参数允许你选择要从 Feature Table 中包含的特定特征。 如果省略 feature_names,则将包含 Feature Table 中的所有特征。
- exclude_cols 参数仅用于排除原始数据中的列,而不是 Feature Store 中查找的列。
- 根据数据量和计算资源,调整 timeout_minutes 参数以获得最佳 AutoML 运行时间。
总结
通过使用 Feature Store API 创建训练数据集,你可以更灵活地控制哪些特征被用于 Databricks AutoML 训练。 这种方法允许你指定要包含的特征名称,并避免因包含不需要的列而导致的问题。 按照本文档中的步骤,你可以有效地将 Feature Store 集成到你的 AutoML 工作流程中,并获得更好的模型性能。
文中关于的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《Databricks AutoML 如何指定特征列》文章吧,也可关注golang学习网公众号了解相关技术文章。
赛酷体育弹框怎么开?详细教程分享
- 上一篇
- 赛酷体育弹框怎么开?详细教程分享
- 下一篇
- Python协议与ABC抽象基类区别解析
-
- 文章 · python教程 | 34分钟前 | Python教程 · Python 检查点 随机状态 Random.getstate Random.setstate 模拟复现
- Python Random.getstate 怎样在模拟中途保存并恢复随机序列
- 149浏览 收藏
-
- 文章 · python教程 | 54分钟前 | 并发控制 · Python教程 · asyncio · Python 协程同步 并发任务 asyncio.Barrier 阶段闸门 BrokenBarrierError
- Python asyncio.Barrier 怎样让多个协程在阶段边界同时放行
- 377浏览 收藏
-
- 文章 · python教程 | 58分钟前 | python · Python SQLite sqlite3 SQL脚本 Connection iterdump
- Python sqlite3.Connection.iterdump 怎样生成可恢复的 SQL 脚本
- 342浏览 收藏
-
- 文章 · python教程 | 1小时前 | python · SQLite · Python SQLite sqlite3 Connection total_changes
- Python sqlite3.Connection.total_changes 怎样统计连接累计修改行数
- 422浏览 收藏
-
- 文章 · python教程 | 1小时前 | python · SQLite · Python order by sqlite3 COLLATE Connection create_collation
- Python sqlite3 自定义排序规则如何参与 ORDER BY
- 215浏览 收藏
-
- 文章 · python教程 | 1小时前 | JSON · python · Python JSON JSONEncoder iterencode JSON文本
- Python json.JSONEncoder.iterencode 怎样分段生成 JSON 文本
- 211浏览 收藏
-
- 文章 · python教程 | 1小时前 | python · pathlib · Python pathlib PurePath with_segments 路径派生
- Python pathlib.PurePath.with_segments 怎样让派生路径保留自定义状态
- 255浏览 收藏
-
- 文章 · python教程 | 1小时前 | python · Python Calendar itermonthdays4 月历
- Python Calendar.itermonthdays4 怎样保留月历补齐日期的年月日
- 369浏览 收藏
-
- 文章 · python教程 | 23小时前 | python · Python 十六进制 二进制调试 memoryview.hex bytes_per_sep
- Python memoryview.hex 怎样为十六进制输出设置分组分隔符
- 480浏览 收藏
-
- 文章 · python教程 | 1天前 | python · Python decimal context same_quantum
- Python decimal.Context.same_quantum 怎样判断两个十进制数的指数是否相同
- 336浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1124次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1112次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1283次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1226次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1076次使用
-
- Python TaskGroup 怎样让子任务失败统一收敛
- 2026-11-12 501浏览
-
- Python xml.dom.minidom.unlink 怎样释放不再使用的 DOM 树引用
- 2026-10-27 501浏览
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
