Databricks MLflow 연결 만들기

구성: 모델에서 사용하는 Databricks MLflow 버전을 선택합니다. 다음 옵션을 사용할 수 있습니다.

• MLflow 1.0: 모델은 Databricks MLflow 1.x를 사용하여 만들어집니다.

• MLflow 2.0: 모델은 Databricks MLflow 2.x를 사용하여 만들어집니다.

  정보 메모 Databricks MLflow 2.0(버전 2.x)로 만들어진 모델의 경우 데이터는 Databricks MLflow의 구조화된 데이터에 선호되는 형식인 데이터 프레임 분할 JSON 형식의 Databricks로 전송됩니다.

모델 URL: Databricks MLflow 모델이 배포된 Databricks MLflow 플랫폼의 URL입니다.

Databricks API 토큰을 제공합니다.

Databricks MLflow의 모든 모델은 Databricks 토큰 기반 인증이 활성화된 상태로 인증됩니다. 이렇게 하려면 모델 리소스에 액세스할 수 있는 API 토큰을 생성해야 합니다.

반환된 테이블의 이름: 배포된 기계 학습 모델에서 반환된 테이블의 이름입니다.

• 사용 가능한 모든 필드 로드: 기계 학습 종료 지점에서 반환된 모든 사용 가능한 필드를 로드할 수 있습니다. 이를 비활성화하면 앱에 로드할 테이블 필드와 값을 지정할 수 있습니다.

  앱을 개발할 때 먼저 모델 종료 지점에서 반환된 모든 필드를 로드한 다음 앱에서 분석에 필요하지 않은 필드를 잠재적으로 제거하는 것이 좋습니다.

• 테이블 필드(JMESPath): 테이블 필드는 다음을 추가하여 지정할 수 있습니다.

  • 이름: 앱에 로드될 테이블의 이름입니다.

  • 값: JSON 응답 배열의 응답 행 이름입니다.

  JMESPath 쿼리 언어는 JSON 응답 배열을 구문 분석하는 데 사용할 수 있습니다.

• 연결 필드: 고유 식별자를 포함하는 입력 데이터 테이블의 필드입니다.

  키를 사용하여 소스 필드 테이블과 연결되도록 반환된 결과 테이블에 대한 종료 지점 요청을 만들 때 소스 데이터에 이 필드를 포함해야 합니다. 지정된 필드는 응답의 필드로 반환되며 예측을 데이터 모델의 소스 데이터와 연결할 수 있습니다. 소스 데이터에서 또는 테이블 로드 프로세스의 일부로 고유한 ID가 있는 필드일 수 있습니다.

• 연결 필드 보내기: 이를 선택하면 연결 필드로 지정된 필드가 Qlik Sense로 반환되고 종료 지점으로 전송되는 필드에 포함됩니다.

  필드가 소스 데이터에 속하고 모델에서 예상하는 경우 연결 필드 보내기를 활성화하여 모델로 보내야 합니다.