scikit-learn を使用した特徴エンジニアリング
このページのサンプル ノートブックは、Azure Databricks で scikit-learn を使用して特徴エンジニアリングを行う方法を示しています。
Azure Databricks で scikit-learn と MLflow の統合を使用する
このノートブックでは、データの読み込み、モデルのトレーニング、分散ハイパーパラメーターのチューニング、モデル推論の完全なエンドツーエンドの例を紹介します。 MLflow とモデル レジストリの使用方法も紹介します。
ワークスペースが Unity Catalog に対して有効になっている場合は、次のバージョンのノートブックを使用します。
Databricks で scikit-learn と MLflow の統合を使用する (Unity Catalog)
ワークスペースが Unity Catalog に対して有効になっていない場合は、次のバージョンのノートブックを使用します。
Databricks で scikit-learn と MLflow の統合を使用する
フィードバック
https://aka.ms/ContentUserFeedback」を参照してください。
以下は間もなく提供いたします。2024 年を通じて、コンテンツのフィードバック メカニズムとして GitHub の issue を段階的に廃止し、新しいフィードバック システムに置き換えます。 詳細については、「フィードバックの送信と表示