モデル トレーニングの例

このセクションには、多くの一般的なオープンソース ライブラリを使用して、Azure Databricks で機械学習モデルをトレーニングする方法を示す例があります。

さらに、AutoML を使用すれば、モデル トレーニング用のデータセットを自動的に準備し、scikit-learn や XGBoost などのオープンソース ライブラリを使用して一連のトライアルを実行し、トライアルの実行ごとにソース コードを含む Python ノートブックを作成して、コードを確認、再現、変更できます。

機械学習の例

Package	ノートブック	機能
scikit-learn	機械学習のチュートリアル	Unity カタログ、分類モデル、MLflow、Hyperopt および MLflow を使用したハイパーパラメーターの自動チューニング
scikit-learn	エンド ツー エンドの例	Unity カタログ、分類モデル、MLflow、Hyperopt および MLflow、XGBoost を使用したハイパーパラメーターの自動チューニング
MLlib	MLlib の例	二項分類、デシジョン ツリー、GBT 回帰、構造化ストリーミング、カスタム トランスフォーマー
xgboost	XGBoost の例	Python、PySpark、Scala、単一ノードワークロード、分散トレーニング

ハイパーパラメーター チューニングの例

Azure Databricks でのハイパーパラメーターのチューニングに関する一般的な情報については、「ハイパーパラメーターの調整」を参照してください。

Package	ノートブック	機能
Optuna	Optuna の概要	Optuna、分散された Optuna、Scikit-learn、MLflow
Hyperopt	分散 hyperopt	分散 hyperopt、scikit-learn、MLflow
Hyperopt	モデルの比較	分散 hyperopt を使用して、ハイパーパラメーター空間でさまざまなモデルの種類を同時に検索します
Hyperopt	分散トレーニングのアルゴリズムと hyperopt	Hyperopt、MLlib
Hyperopt	Hyperopt のベスト プラクティス	さまざまなサイズのデータセットでのベスト プラクティス