Voorbeelden van modeltraining

Deze sectie bevat voorbeelden van het trainen van machine learning-modellen in Azure Databricks met behulp van veel populaire opensource-bibliotheken.

U kunt ook AutoML-gebruiken, waarmee automatisch een gegevensset wordt voorbereid voor modeltraining, een reeks proefversies wordt uitgevoerd met behulp van opensource-bibliotheken, zoals scikit-learn en XGBoost, en een Python-notebook wordt gemaakt met de broncode voor elke proefuitvoering, zodat u de code kunt bekijken, reproduceren en wijzigen.

Voorbeelden van machine learning

Pakket	Notebook(s)	Functies
scikit-learn	Zelfstudie over machine learning	Unity Catalog, classificatiemodel, MLflow, geautomatiseerde afstemming van hyperparameters met Hyperopt en MLflow
scikit-learn	End-to-end-voorbeeld	Unity Catalog, classificatiemodel, MLflow, geautomatiseerde afstemming van hyperparameters met Hyperopt en MLflow, XGBoost
MLlib	Voorbeelden van MLlib	Binaire classificatie, beslissingsstructuren, GBT-regressie, Gestructureerd streamen, aangepaste transformator
xgboost	XGBoost-voorbeelden	Python, PySpark en Scala, workloads met één knooppunt en gedistribueerde training

Voorbeelden van hyperparameterafstemming

Zie Hyperparameter-afstemming voor algemene informatie over het afstemmen van hyperparameters in Azure Databricks.

Pakket	Notebook	Functies
Optuna	Aan de slag met Optuna	Optuna, gedistribueerde Optuna, scikit-learn, MLflow
Hyperopt	Gedistribueerde hyperopt	Gedistribueerde hyperopt, scikit-learn, MLflow
Hyperopt	Modellen vergelijken	Gedistribueerde hyperopt gebruiken om hyperparameterruimte voor verschillende modeltypen tegelijk te doorzoeken
Hyperopt	Gedistribueerde trainingsalgoritmen en hyperopt	Hyperopt, MLlib
Hyperopt	Best practices voor Hyperopt	Aanbevolen procedures voor gegevenssets met verschillende grootten