Korzystanie z biblioteki scikit-learn w usłudze Azure Databricks
Ta strona zawiera przykłady użycia scikit-learn pakietu do trenowania modeli uczenia maszynowego w usłudze Azure Databricks. scikit-learn jest jedną z najpopularniejszych bibliotek języka Python do uczenia maszynowego z jednym węzłem i jest zawarta w środowisku Databricks Runtime ML. Zobacz Informacje o wersji środowiska Databricks Runtime, aby zapoznać się z wersją biblioteki scikit-learn dołączoną do środowiska uruchomieniowego klastra.
Możesz zaimportować te notesy i uruchomić je w obszarze roboczym usługi Azure Databricks.
Aby uzyskać dodatkowe przykładowe notesy, aby szybko rozpocząć pracę w usłudze Azure Databricks, zobacz Tutorials: Get started with ML (Samouczki: rozpoczynanie pracy z usługą ML).
Podstawowy przykład użycia biblioteki scikit-learn
Ten notes zawiera krótkie omówienie trenowania modelu uczenia maszynowego w usłudze Azure Databricks. Używa scikit-learn pakietu do trenowania prostego modelu klasyfikacji. Ilustruje również użycie biblioteki MLflow do śledzenia procesu tworzenia modelu i funkcji Hyperopt w celu zautomatyzowania dostrajania hiperparametrów.
Notes klasyfikacji biblioteki scikit-learn
Pełny przykład użycia biblioteki scikit-learn w usłudze Azure Databricks
W tym notesie użyto biblioteki scikit-learn, aby zilustrować kompletny przykład ładowania danych, trenowania modelu, dostrajania rozproszonych hiperparametrów i wnioskowania modelu. Przedstawia również zarządzanie cyklem życia modelu przy użyciu rejestru modeli MLflow w celu rejestrowania i rejestrowania modelu.