文件名称：java后端源码-mlflow-spark-summit-2019:MLFlowSpark峰会2019演讲
文件大小：181KB
文件格式：ZIP
更新时间：2024-06-25 03:03:19
系统开源
java原始源码mlflow-spark-summit-2019 Spark Summit 2019 的 MLflow 代码。 会议： 。 设置 pip install mlflow==0.9.1 pip install matplotlib pip install pyarrow MLflow 服务器 virtualenv mlflow_server source mlflow_server/bin/activate mlflow server --host 0.0.0.0 --port 5000 --backend-store-uri $PWD/mlruns --default-artifact-root $PWD/mlruns 例子 在运行实验之前： export MLFLOW_TRACKING_URI=http://localhost:5000 - 你好，世界 - Scikit 学习模型 - PySpark 模型 - 使用 Java 客户端的 Scala Spark ML 模型 - 显示新功能 - 显示一些包方法的用法 - 找到最佳模型运行
【文件预览】：
mlflow-spark-summit-2019-master
----dump()
--------dump_utils.py(2KB)
--------dump_experiment.py(2KB)
--------experiment.txt(2KB)
--------dump_run.py(1KB)
--------run.txt(2KB)
--------README.md(437B)
----search()
--------search.py(1KB)
--------README.md(1KB)
----data()
--------sample_libsvm_data.txt(102KB)
--------README.md(157B)
----sklearn()
--------run_submit_new_cluster.json(605B)
--------main.py(802B)
--------Train_Wine_Quality.ipynb(9KB)
--------create_job_existing_cluster.json(381B)
--------conda.yaml(194B)
--------wine_quality()
--------MLproject(551B)
--------data()
--------pickle_predict.py(715B)
--------mlflow_run_cluster.json(274B)
--------run_submit_existing_cluster.json(590B)
--------util.py(338B)
--------pyfunc_predict.py(872B)
--------playbook.ipynb(24KB)
--------scikit_predict.py(717B)
--------create_job_new_cluster.json(642B)
--------setup.py(205B)
--------spark_udf_predict.py(993B)
--------README.md(9KB)
----README.md(1KB)
----pyspark()
--------conda.yaml(104B)
--------MLproject(273B)
--------train.py(4KB)
--------predict.py(899B)
--------playbook.ipynb(11KB)
--------README.md(2KB)
----scala_spark()
--------run_submit_new_cluster.json(743B)
--------pom.xml(4KB)
--------run_submit_existing_cluster.json(685B)
--------src()
--------playbook.ipynb(7KB)
--------README.md(7KB)
----hello_world()
--------hello_world.py(2KB)
--------conda.yaml(108B)
--------MLproject(400B)
--------hello_world.ipynb(3KB)
--------playbook.ipynb(3KB)
--------cluster.json(274B)
--------README.md(2KB)
----best_run()
--------best_run.py(2KB)
--------README.md(950B)