概要

DatabricksのマネージドMLflowにPyCaretのトラッキングを実施する方法を紹介します。
本手順は、Databricks Runtime Versionを、8.3 ML (includes Apache Spark 3.1.1, Scala 2.12)で実施しております。

Pycaretのドキュメントにて、下記のように実施方法が記載されています。

引用元：MLFlow - PyCaret

また、DatabricksにてPyCaretを利用する場合には、下記の記事で紹介した通り、"setup"の引数に", silent = True, html = False"の追記が必要です。

DatabricksにてPyCaretにおけるsetupの実行が終了しない事象への対応方法 - Qiita

以上の情報を組み合わせた手順を紹介します。

利用手順

1. MLflow Experimentを作成

2. 作成した"MLflow Experiment"のパスをコピー

3. PyCaretのインストール

%pip install pycaret

4. Optunaのインストール

%pip install optuna

5. "experiment_name"に2の手順で取得した値を追記したコードを、PyCaretのsetupを実行

# loading dataset
from pycaret.datasets import get_data
data = get_data('diabetes')

# init setup
from pycaret.classification import *
clf1 = setup(data,
             target = 'Class variable',
             log_experiment = True,
             experiment_name = '/qiita/pycaret_databricks/mlexp_pycaret',

             # Databricksで実行する際に必要となる引数
             silent = True,
             html = False,
             
             # MLFlowへのログする情報の追加
             # 詳細は下記記事参照
             # https://pycaret.org/mlflow/
             log_plots = True,
             log_profile = True,
             log_data = True
            )

6. MLflow Experimentにて、RUNが記録されていることを確認

7. モデルを作成するコードを実行

# train individual model
dt = create_model('dt')

8. MLflow Experimentにて、RUNが記録されていることを確認

9. ハイパーパラメータチューニングのコードを実行

# tune hyperparameters of model
tuned_dt = tune_model(dt, search_library = 'optuna')

10. MLflow Experimentにて、RUNが記録されていることを確認