教程:ML 入门
本文中的笔记本旨在帮助你快速开始使用 Azure Databricks 上的机器学习。 可以将每个笔记本导入 Azure Databricks 工作区以运行它们。
这些笔记本演示了如何在整个机器学习生命周期中使用 Azure Databricks - 生命周期涵盖数据加载和准备,模型训练、优化和推理,以及模型部署和管理。 它们还演示了一些有用的工具,例如用于自动超参数优化的 Hyperopt、用于模型开发的 MLflow 跟踪和自动日志记录,以及用于模型管理的模型注册表。
scikit-learn 笔记本
笔记本 | 要求 | 功能 |
---|---|---|
机器学习教程 | Databricks Runtime ML | Unity Catalog、分类模型、MLflow、通过 Hyperopt 和 MLflow 实现的自动超参数优化 |
端到端示例 | Databricks Runtime ML | Unity Catalog、分类模型、MLflow、通过 Hyperopt 和 MLflow 实现的自动超参数优化、XGBoost |
Apache Spark MLlib 笔记本
笔记本 | 要求 | 功能 |
---|---|---|
使用 MLlib 的机器学习 | Databricks Runtime ML | 逻辑回归模型、Spark 管道,使用 MLlib API 的自动超参数优化 |
深度学习笔记本
笔记本 | 要求 | 功能 |
---|---|---|
使用 TensorFlow Keras 的深度学习 | Databricks Runtime ML | 神经网络模型、内联 TensorBoard、通过 Hyperopt 和 MLflow 实现的自动超参数优化、自动日志记录、模型注册表 |
反馈
https://aka.ms/ContentUserFeedback。
即将发布:在整个 2024 年,我们将逐步淘汰作为内容反馈机制的“GitHub 问题”,并将其取代为新的反馈系统。 有关详细信息,请参阅:提交和查看相关反馈