Použití scikit-learn v Azure Databricks

Tato stránka obsahuje příklady použití balíčku k trénování modelů strojového scikit-learn učení v Azure Databricks. scikit-learn je jednou z nejoblíbenějších knihoven Pythonu pro strojové učení s jedním uzlem a je součástí Databricks Runtime a Databricks Runtime ML. Přečtěte si poznámky k vydání modulu Databricks Runtime pro verzi knihovny scikit-learn, která je součástí prostředí runtime vašeho clusteru.

Tyto poznámkové bloky můžete importovat a spustit v pracovním prostoru Azure Databricks.

Základní příklad použití scikit-learn

Tento poznámkový blok poskytuje rychlý přehled trénování modelu strojového učení v Azure Databricks. Tento balíček používá scikit-learn k trénování jednoduchého klasifikačního modelu. Ukazuje také použití MLflow ke sledování procesu vývoje modelů a Optuna k automatizaci ladění hyperparametrů.

Tip

Řekněte Genie Code (režim agenta), aby to udělal za vás:

Create tables in Unity Catalog for these datasets and then use those tables to train a classification model to predict wine quality.
/databricks-datasets/wine-quality/winequality-white.csv and /databricks-datasets/wine-quality/winequality-red.csv

Pokud je pro katalog Unity povolený váš pracovní prostor, použijte tuto verzi poznámkového bloku:

poznámkový blok pro klasifikaci scikit-learn (Unity katalog)

Získat notebook

Pokud pro katalog Unity není povolený váš pracovní prostor, použijte tuto verzi poznámkového bloku:

Klasifikační poznámkový blok pro scikit-learn

Získat notebook

Kompletní příklad s využitím scikit-learn v Azure Databricks

Tento poznámkový blok používá scikit-learn k ilustraci kompletního příkladu načítání dat, trénování modelu, distribuovaného ladění hyperparametrů a odvozování modelů. Ilustruje také správu životního cyklu modelu pomocí registru modelů MLflow k protokolování a registraci modelu.

Pokud je pro katalog Unity povolený váš pracovní prostor, použijte tuto verzi poznámkového bloku:

Použití knihovny scikit-learn s integrací MLflow v Databricks (katalog Unity)

Získat notebook

Pokud pro katalog Unity není povolený váš pracovní prostor, použijte tuto verzi poznámkového bloku:

Použití knihovny scikit-learn s integrací MLflow v Databricks

Získat notebook