Przykłady trenowania modelu

Ta sekcja zawiera przykłady pokazujące sposób trenowania modeli uczenia maszynowego na Azure Databricks przy użyciu wielu popularnych bibliotek typu open source.

Można również użyć AutoML, która automatycznie przygotowuje zestaw danych do trenowania modelu, wykonuje zestaw prób przy użyciu bibliotek typu open source, takich jak scikit-learn i XGBoost, i tworzy notes Python z kodem źródłowym dla każdego przebiegu wersji próbnej, aby można było przejrzeć, odtworzyć i zmodyfikować kod.

Przykłady uczenia maszynowego

Pakiet	Notatnik(i)	Funkcje
scikit-learn	Samouczek dotyczący uczenia maszynowego	Katalog Unity, model klasyfikacji, MLflow, automatyczne dostrajanie hiperparametrów za pomocą Hyperopt i MLflow
scikit-learn	Przykład typu end-to-end	Katalog Unity, model klasyfikacji, MLflow, automatyczne dostrajanie hiperparametrów za pomocą Hyperopt i MLflow, XGBoost.
MLlib	Przykłady biblioteki MLlib	Klasyfikacja binarna, drzewa decyzyjne, regresja GBT, strukturowane przesyłanie strumieniowe, transformer niestandardowy
xgboost	Przykłady biblioteki XGBoost	Python, PySpark i Scala, obciążenia robocze z pojedynczym węzłem i trening rozproszony

Przykłady dostrajania hiperparametrów

Aby uzyskać ogólne informacje na temat dostrajania hiperparametrów w Azure Databricks, zobacz Hyperparameter tuning.

Uwaga / Notatka

Wersja biblioteki Hyperopt typu open source nie jest już utrzymywana.

Hyperopt nie jest zawarty w środowisku Databricks Runtime dla Machine Learning po 16.4 LTS ML. Azure Databricks zaleca użycie Optuna do optymalizacji na pojedynczym węźle lub RayTune, aby uzyskać podobne środowisko jak do rozproszonego dostrajania hiperparametrów Hyperopt, które jest teraz przestarzałe. Dowiedz się więcej o korzystaniu z RayTune w Azure Databricks.

Pakiet	Notatnik	Funkcje
Optuna	Zacznij z Optuna	Optuna (narzędzie do optymalizacji hiperparametrów), distributed Optuna (rozproszone narzędzie Optuna), scikit-learn (biblioteka do uczenia maszynowego), MLflow (platforma do zarządzania cyklem życia projektów uczenia maszynowego)
Hyperopt	Rozproszona funkcja hyperopt	Rozproszony hyperopt, scikit-learn, MLflow
Hyperopt	Porównywanie modeli	Używanie rozproszonej funkcji hyperopt do wyszukiwania przestrzeni hiperparametrów dla różnych typów modeli jednocześnie
Hyperopt	Rozproszone algorytmy trenowania i hiperopt	Hyperopt, MLlib
Hyperopt	Najlepsze rozwiązania dotyczące funkcji Hyperopt	Najlepsze rozwiązania dotyczące zestawów danych o różnych rozmiarach