Contoh untuk pelatihan model

Bagian ini mencakup contoh yang menunjukkan cara melatih model pembelajaran mesin di Azure Databricks menggunakan banyak pustaka sumber terbuka populer.

Anda juga dapat menggunakan AutoML, yang secara otomatis menyiapkan himpunan data untuk pelatihan model, melakukan serangkaian uji coba menggunakan pustaka sumber terbuka seperti scikit-learn dan XGBoost, dan membuat notebook Python dengan kode sumber untuk setiap uji coba sehingga Anda dapat meninjau, mereproduksi, dan memodifikasi kode.

Untuk contoh notebook yang memperlihatkan cara melatih model pembelajaran mesin yang menggunakan data di Unity Catalog dan menulis prediksi kembali ke Unity Catalog, lihat Melatih dan mendaftarkan model pembelajaran mesin dengan Unity Catalog.

Contoh pembelajaran mesin

Paket	Notebook	Fitur
scikit-learn	Tutorial pembelajaran mesin	Model klasifikasi, MLflow, penyetelan hiperparameter otomatis dengan Hyperopt dan MLflow
scikit-learn	Contoh ujung-ke-ujung	Model klasifikasi, MLflow, penyetelan hiperparameter otomatis dengan Hyperopt dan MLflow, XGBoost, Registri Model, Penyajian Model
MLlib	Contoh untuk MLlib	Klasifikasi biner, pohon keputusan, regresi GBT, Streaming Terstruktur, serta transformator kustom
xgboost	Contoh untuk XGBoost	Python, PySpark, dan Scala, beban kerja simpul tunggal serta pelatihan terdistribusi

Contoh penyesuaian hiperparameter

Untuk memperoleh informasi umum tentang penyetelan hiperparameter pada Azure Databricks, lihat Penyetelan hiperparameter.

Paket	Notebook	Fitur
Hyperopt	Hyperopt yang terdistribusi	Hyperopt terdistribusi, scikit-learn, serta MLflow
Hyperopt	Membandingkan beberapa model	Gunakan hyperopt terdistribusi untuk mencari ruang hiperparameter bagi berbagai jenis model secara bersamaan
Hyperopt	Algoritma pelatihan terdistribusi dan hyperopt	Hyperopt dan MLlib
Hyperopt	Praktik terbaik Hyperopt	Praktik terbaik untuk himpunan data dengan berbagai ukuran