Esempi di addestramento del modello

Questa sezione include esempi che illustrano come eseguire il training di modelli di Machine Learning in Azure Databricks usando molte librerie open source più diffuse.

È anche possibile usare AutoML, che prepara automaticamente un set di dati per il training del modello, esegue un set di versioni di valutazione usando librerie open source come scikit-learn e XGBoost e crea un notebook Python con il codice sorgente per ogni esecuzione di valutazione in modo da poter esaminare, riprodurre e modificare il codice.

Esempi di Machine Learning

Pacchetto	Notebook	Funzionalità
scikit-learn	Esercitazione su Machine Learning	Unity Catalog, modello di classificazione, MLflow, ottimizzazione automatizzata degli iperparametri con Hyperopt e MLflow
scikit-learn	Esempio completo	Unity Catalog, modello di classificazione, MLflow, ottimizzazione automatizzata degli iperparametri con Hyperopt e MLflow, XGBoost
MLlib	Esempi di MLlib	Classificazione binaria, alberi delle decisioni, regressione GBT, Structured Streaming, trasformatore personalizzato
xgboost	Esempi di XGBoost	Python, PySpark e Scala, carichi di lavoro a nodo singolo e training distribuito

Esempi di ottimizzazione degli iperparametri

Per informazioni generali sull'ottimizzazione degli iperparametri in Azure Databricks, vedere Ottimizzazione degli iperparametri.

Pacchetto	Taccuino	Funzionalità
Optuna	Introduzione a Optuna	Optuna, distributed Optuna, scikit-learn, MLflow
Hyperopt	Hyperopt distribuito	Hyperopt distribuito, scikit-learn, MLflow
Hyperopt	Confrontare i modelli	Usare l'hyperopt distribuito per cercare contemporaneamente spazio degli iperparametri per tipi di modello diversi
Hyperopt	Algoritmi di training distribuiti e hyperopt	Hyperopt, MLlib
Hyperopt	Procedure consigliate per Hyperopt	Procedure consigliate per set di dati di dimensioni diverse