模型定型範例

本節包含範例，示範如何使用許多熱門的開放原始碼連結庫，在 Azure Databricks 上定型機器學習模型。

您也可以使用 AutoML 來自動準備數據集以進行模型定型、使用 scikit-learn 和 XGBoost 等開放原始碼連結庫執行一組試用版，以及為每個試用版執行建立具有原始程式碼的 Python 筆記本，以便檢閱、重現和修改程式代碼。

如需示範如何定型使用 Unity 目錄中數據的機器學習模型，並將預測寫回 Unity 目錄的範例筆記本，請參閱 使用 Unity 目錄定型和註冊機器學習模型。

機器學習範例

套件	筆記本（秒）	功能
scikit-learn	機器學習教學課程	使用 Hyperopt 和 MLflow 進行分類模型、MLflow、自動化超參數微調
scikit-learn	端對端範例	分類模型、MLflow、使用 Hyperopt 和 MLflow 進行自動化超參數微調、XGBoost、模型登錄、模型服務
MLlib	MLlib 範例	二元分類， 判定樹， GBT 回歸， 結構化串流， 自定義轉換器
xgboost	XGBoost 範例	Python、PySpark 和 Scala、單一節點工作負載和分散式定型

超參數微調範例

如需 Azure Databricks 中超參數微調的一般資訊，請參閱 超參數微調。

套件	Notebook	功能
Hyperopt	分散式 Hyperopt	分散式 Hyperopt、scikit-learn、MLflow
Hyperopt	比較模型	使用分散式超參數同時搜尋不同模型類型的超參數空間
Hyperopt	分散式定型演算法和 Hyperopt	Hyperopt、MLlib
Hyperopt	Hyperopt 最佳做法	不同大小的數據集最佳做法