Ejemplos de entrenamiento de modelos

En esta sección se incluyen ejemplos que muestran cómo entrenar modelos de Machine Learning en Azure Databricks mediante muchas bibliotecas de código abierto conocidas.

También puede usar AutoML, que prepara automáticamente un conjunto de datos para el entrenamiento del modelo, realiza una set de pruebas mediante bibliotecas de código abierto, como scikit-learn y XGBoost, y crea un cuaderno de Python con el código fuente de cada ejecución de prueba para que pueda revisar, reproducir y modificar el código.

Ejemplos de aprendizaje automático

Paquete	Cuadernos	Características
scikit-learn	Tutorial sobre aprendizaje automático	Unity Catalog, modelo de clasificación, MLflow, ajuste automatizado de hiperparámetros con Hyperopt y MLflow
scikit-learn	Acceso de un extremo a otro	Unity Catalog, modelo de clasificación, MLflow, ajuste automatizado de hiperparámetros con Hyperopt y MLflow, XGBoost
MLlib	Ejemplos de MLlib	Clasificación binaria, árboles de decisión, regresión de GBT, Structured Streaming, transformador personalizado
xgboost	Ejemplos de XGBoost	Python, PySpark y Scala, cargas de trabajo de un solo nodo y entrenamiento distribuido

Ejemplo de ajuste de hiperparámetros

Para obtener información general sobre el ajuste de hiperparámetros en Azure Databricks, consulte Ajuste de hiperparámetros.

Paquete	Notebook	Características
Optuna	Get comenzó con Optuna	Optuna, Optuna distribuido, Scikit-learn, MLflow
Hyperopt	Hyperopt distribuido	Hyperopt distribuido, scikit-learn, MLflow
Hyperopt	Comparación de modelos	Use Hyperopt distribuido para buscar espacio de hiperparámetros para diferentes tipos de modelo simultáneamente
Hyperopt	Algoritmos de entrenamiento distribuido e Hyperopt	Hyperopt, MLlib
Hyperopt	Procedimientos recomendados de Hyperopt	Procedimientos recomendados para conjuntos de datos de diferentes tamaños