Samouczek: kompleksowe modele uczenia maszynowego w usłudze Azure Databricks
Uczenie maszynowe w świecie rzeczywistym jest niechlujne. Źródła danych zawierają brakujące wartości, zawierają nadmiarowe wiersze lub mogą nie mieścić się w pamięci. Inżynieria cech często wymaga wiedzy fachowej i może być żmudna. Modelowanie zbyt często łączy inżynierię nauki o danych i systemów, wymagając nie tylko znajomości algorytmów, ale także architektury maszyn i systemów rozproszonych.
Usługa Azure Databricks upraszcza ten proces. Poniższy 10-minutowy notes samouczka przedstawia kompleksowe przykład trenowania modeli uczenia maszynowego na danych tabelarycznych.
Możesz zaimportować ten notes i uruchomić go samodzielnie lub skopiować fragmenty kodu i pomysły na własny użytek.
Notes
Jeśli obszar roboczy jest włączony dla wykazu aparatu Unity, użyj tej wersji notesu:
Korzystanie z biblioteki scikit-learn z integracją biblioteki MLflow w usłudze Databricks (Wykaz aparatu Unity)
Jeśli obszar roboczy nie jest włączony dla wykazu aparatu Unity, użyj tej wersji notesu:
Korzystanie z biblioteki scikit-learn z integracją biblioteki MLflow w usłudze Databricks
Opinia
Dostępne już wkrótce: W 2024 r. będziemy stopniowo wycofywać zgłoszenia z serwisu GitHub jako mechanizm przesyłania opinii na temat zawartości i zastępować go nowym systemem opinii. Aby uzyskać więcej informacji, sprawdź: https://aka.ms/ContentUserFeedback.
Prześlij i wyświetl opinię dla