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 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.

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

poznámkový blok klasifikace scikit-learn (Katalog Unity)

Získat poznámkový blok

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

Poznámkový blok klasifikace scikit-learn

Získat poznámkový blok

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 poznámkový blok

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

Použití knihovny scikit-learn s integrací MLflow v Databricks

Získat poznámkový blok