모델 학습 예제

이 섹션에는 많은 인기 있는 오픈 소스 라이브러리를 사용하여 Azure Databricks에서 기계 학습 모델을 학습시키는 방법을 보여 주는 예제가 포함되어 있습니다.

또한 AutoML을 사용하여 모델 학습을 위한 데이터 세트를 자동으로 준비하고, scikit-learns 및 XGBoost와 같은 오픈 소스 라이브러리를 사용하여 일련의 평가판을 수행하고, 각 평가판 실행에 대한 소스 코드가 포함된 Python Notebook을 만들어 코드를 검토, 복제 및 수정할 수 있습니다.

Unity 카탈로그의 데이터를 사용하는 기계 학습 모델을 학습시키고 Unity 카탈로그에 예측을 다시 쓰는 방법을 보여 주는 예제 Notebook은 Unity 카탈로그를 사용하여 기계 학습 모델 학습 및 등록을 참조하세요.

기계 학습 예제

Package(패키지)	Notebook	기능
scikit-learn	기계 학습 자습서	분류 모델, MLflow, Hyperopt 및 MLflow를 사용하여 자동화된 하이퍼 매개 변수 튜닝
scikit-learn	엔드 투 엔드 예제	분류 모델, MLflow, Hyperopt 및 MLflow를 사용한 자동화된 하이퍼 매개 변수 튜닝, XGBoost, 모델 레지스트리, 모델 서비스 제공
MLlib	MLlib 예제	이진 분류, 의사 결정 트리, GBT 회귀, Structured Streaming, 사용자 지정 변환기
xgboost	XGBoost 예제	Python, PySpark 및 Scala, 단일 노드 워크로드 및 분산 학습

하이퍼 매개 변수 튜닝 예제

Azure Databricks의 하이퍼 매개 변수 튜닝에 대한 일반적인 내용은 하이퍼 매개 변수 튜닝을 참조하세요.

Package(패키지)	Notebook	기능
Hyperopt	분산 hyperopt	분산 hyperopt, scikit-learn, MLflow
Hyperopt	모델 비교	분산 hyperopt를 사용하여 서로 다른 모델 형식에 대한 하이퍼 매개 변수 공간을 동시에 검색
Hyperopt	분산 학습 알고리즘 및 hyperopt	Hyperopt, MLlib
Hyperopt	Hyperopt 모범 사례	다양한 크기의 데이터 세트에 대한 모범 사례