Exemplos de formação de modelos

Esta seção inclui exemplos que mostram como treinar modelos de aprendizado de máquina no Azure Databricks usando muitas bibliotecas de código aberto populares.

Você também pode usar o AutoML, que prepara automaticamente um conjunto de dados para treinamento de modelos, executa um conjunto de testes usando bibliotecas de código aberto, como scikit-learn e XGBoost, e cria um bloco de anotações Python com o código-fonte para cada execução de avaliação para que você possa revisar, reproduzir e modificar o código.

Exemplos de aprendizagem automática

Pacote	Caderno(s)	Funcionalidades
scikit-learn	Tutorial de aprendizado de máquina	Unity Catalog, modelo de classificação, MLflow, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow
scikit-learn	Exemplo de ponta a ponta	Unity Catalog, modelo de classificação, MLflow, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow, XGBoost
MLlib	Exemplos de MLlib	Classificação binária, árvores de decisão, regressão GBT, Structured Streaming, transformador personalizado
xgboost	Exemplos de XGBoost	Python, PySpark e Scala, cargas de trabalho de nó único e treinamento distribuído

Exemplos de ajuste de hiperparâmetros

Para obter informações gerais sobre o ajuste de hiperparâmetros no Azure Databricks, consulte Ajuste de hiperparâmetros.

Pacote	Bloco de Notas	Funcionalidades
Optuna	Introdução ao Optuna	Optuna, Optuna distribuído, scikit-learn, MLflow
Hyperopt	Hyperopt distribuído	Hiperopta distribuída, scikit-learn, MLflow
Hyperopt	Comparar modelos	Usar o hiperopt distribuído para explorar o espaço de hiperparâmetros simultaneamente para diferentes tipos de modelos.
Hyperopt	Algoritmos de treinamento distribuído e hiperopta	Hiperoptia, MLlib
Hyperopt	Práticas recomendadas do Hyperopt	Práticas recomendadas para conjuntos de dados de tamanhos diferentes