استخدام scikit-learn على Azure Databricks

  • مقالة

توفر هذه الصفحة أمثلة على كيفية استخدام الحزمة scikit-learn لتدريب نماذج التعلم الآلي في Azure Databricks. scikit-learn هي واحدة من مكتبات Python الأكثر شعبية للتعلم الآلي أحادي العقدة ويتم تضمينها في Databricks Runtime وDatabricks Runtime ML. راجع ملاحظات إصدار Databricks Runtime لإصدار مكتبة scikit-learn المضمن في وقت تشغيل نظام المجموعة.

يمكنك استيراد دفاتر الملاحظات هذه وتشغيلها في مساحة عمل Azure Databricks.

للحصول على أمثلة إضافية لدفاتر الملاحظات للبدء بسرعة على Azure Databricks، راجع البرامج التعليمية: بدء استخدام التعلم الآلي.

مثال أساسي باستخدام scikit-learn

يوفر دفتر الملاحظات هذا نظرة عامة سريعة على تدريب نموذج التعلم الآلي على Azure Databricks. ويستخدم الحزمة scikit-learn لتدريب نموذج تصنيف بسيط. كما يوضح استخدام MLflow لتتبع عملية تطوير النموذج، وHyperopt لأتمتة ضبط المعلمات الفائقة.

إذا تم تمكين مساحة العمل الخاصة بك ل Unity Catalog، فاستخدم هذا الإصدار من دفتر الملاحظات:

دفتر ملاحظات تصنيف scikit-learn (كتالوج Unity)

الحصول على دفتر الملاحظات

إذا لم يتم تمكين مساحة العمل الخاصة بك ل Unity Catalog، فاستخدم هذا الإصدار من دفتر الملاحظات:

دفتر ملاحظات تصنيف scikit-learn

الحصول على دفتر الملاحظات

مثال شامل باستخدام scikit-learn على Azure Databricks

يستخدم دفتر الملاحظات هذا scikit-learn لتوضيح مثال كامل من طرف إلى طرف لتحميل البيانات، وتدريب النموذج، وضبط المعلمات الفائقة الموزعة، واستدلال النموذج. كما يوضح إدارة دورة حياة النموذج باستخدام سجل نموذج MLflow لتسجيل نموذجك وتسجيله.

إذا تم تمكين مساحة العمل الخاصة بك ل Unity Catalog، فاستخدم هذا الإصدار من دفتر الملاحظات:

استخدام scikit-learn مع تكامل MLflow على Databricks (كتالوج Unity)

الحصول على دفتر الملاحظات

إذا لم يتم تمكين مساحة العمل الخاصة بك ل Unity Catalog، فاستخدم هذا الإصدار من دفتر الملاحظات:

استخدام scikit-learn مع تكامل MLflow على Databricks

الحصول على دفتر الملاحظات