此外，平行坐标图表已使用高级可视化框架重建
提供交互式和高度可扩展的体验。新功能包括： 改进的刷亮——过滤模型训练按所需的参数和指标值范围运行 运行突出显示 – 从图表中选择特定运行以查看其所有指标和参数 隐藏和固定——移除异常值或保持重要运行可见 改进后的平行坐标图表将使您的模型调整更加容易，帮助您快速构建和交付高质量模型。 通过简化的表格视图和搜索体验找到最佳 模型模型开发是一个迭代过程。数据科学家通常会探索数以千计的候选模型，然后再选择最佳模型用于生产。当收集到新数据并且应用程序需求发生变化时，将重新训练模型以确保它们继续做出准确的预测。因此，数据科学家需要能够搜索和过滤他们的模型训练结果，并在训练过程中跟踪最佳模型。新的 MLflow Experiments UI 包括多项功能和改进以简化此体验。
使用新的 MLflow Experiments UI 加速模型
开发 每个 MLflow 运行都有一个令人难忘的名称，简化的运行表使您能够将最佳模型固定在顶部以供将来参考和比较。 您创建的每个 MLflow 运行现在都有一个令人难忘的名称，以帮助您识别和比较模型。此外，您现在可以将运行固定到运行表的顶部。当您继续过滤和探索模型训练结果时，固定运行始终保持 数据库 可见，因此现在您可以固定“基线”模型以进行快速比较。最后，如果您使用Databricks AutoML或MLflow Recipes训练模型，实验页面会自动显示最相关的性能指标和模型属性，使您能够快速确定最佳模型。使用列选择器下拉列表可以轻松显示其他模型信息。 使用新的 MLflow Experiments UI 加速模型开发 使用自动建议下拉菜单，搜索最佳模型从未如此简单。 我们还通过集成自动建议功能极大地简化了实验体验的搜索体验。
只需在搜索栏中键入性能指标或模型参数的名称
自动建议下拉列表就会显示如何在查询中使用它。实验页面还包含一个完整的示例搜索查询列表，可帮助您快速学习语法。 开始使用新的 MLflow Experiments UI 借助新的和改进的 MLflow Experiments UI，大规模开发高质量模型并毫不费力地确定用于生产的最佳模型从未如此简单。新的体验已经 GU列表 在许多 Databricks 工作区中发布，并且很快就会随处可用。只需导航到工作区侧栏中的实验，然后选择一个实验即可开始。我们强烈建议探索新的 MLflow Experiments UI 必须提供的一切，并期待您的反馈！随着越来越多的数据被内部和外部利益相关者移动、存储和管理，这些努力还需要通过设计在所有平台、运营和业务流程中嵌入隐私来补充。 我们认识到，企业如今面临不断重新思考其基础架构的压力，但同时也需要管理因推出转型战略而出现的新风险。因此，像迁移到云和淘汰遗留平台这样的关键举措通常会受到谨慎和恐惧的影响。
