أمثلة تدريب النموذج
يتضمن هذا القسم أمثلة توضح كيفية تدريب نماذج التعلم الآلي على Azure Databricks باستخدام العديد من المكتبات مفتوحة المصدر الشائعة.
يمكنك أيضا استخدام AutoML، الذي يقوم تلقائيا بإعداد مجموعة بيانات لتدريب النموذج، وتنفيذ مجموعة من التجارب باستخدام مكتبات مفتوحة المصدر مثل scikit-learn وXGBoost، وإنشاء دفتر ملاحظات Python مع التعليمات البرمجية المصدر لكل تشغيل تجريبي حتى تتمكن من مراجعة التعليمات البرمجية وإعادة إنتاجها وتعديلها.
أمثلة على التعلم الآلي
الحزمة | دفتر (دفاتر) الملاحظات | الميزات |
---|---|---|
scikit-learn | البرنامج التعليمي للتعلم الآلي | كتالوج Unity، نموذج التصنيف، MLflow، ضبط hyperparameter التلقائي مع Hyperopt وMLflow |
scikit-learn | مثال شامل | كتالوج Unity، نموذج التصنيف، MLflow، ضبط hyperparameter التلقائي مع Hyperopt وMLflow، XGBoost |
MLlib | أمثلة MLlib | التصنيف الثنائي، وأشجار القرار، وانحدار GBT، والتدفق المنظم، والمحول المخصص |
xgboost | أمثلة XGBoost | Python وPySpark وSc scala وأحمال عمل العقدة الواحدة والتدريب الموزع |
أمثلة ضبط المعلمات الفائقة
للحصول على معلومات عامة حول ضبط المعلمات الفائقة في Azure Databricks، راجع ضبط Hyperparameter.
الحزمة | دفتر | الميزات |
---|---|---|
أوبتونا | بدء استخدام Optuna | Optuna، Optuna الموزعة، scikit-learn، MLflow |
Hyperopt | hyperopt الموزع | hyperopt الموزع، scikit-learn، MLflow |
Hyperopt | مقارنة النماذج | استخدام hyperopt الموزع للبحث عن مساحة المعلمة الفائقة لأنواع نماذج مختلفة في وقت واحد |
Hyperopt | خوارزميات التدريب الموزعة والتشغيل الفائق | Hyperopt, MLlib |
Hyperopt | أفضل ممارسات Hyperopt | أفضل الممارسات لمجموعات البيانات من أحجام مختلفة |
الملاحظات
https://aka.ms/ContentUserFeedback.
قريبًا: خلال عام 2024، سنتخلص تدريجيًا من GitHub Issues بوصفها آلية إرسال ملاحظات للمحتوى ونستبدلها بنظام ملاحظات جديد. لمزيد من المعلومات، راجعإرسال الملاحظات وعرضها المتعلقة بـ