Zelfstudie: End-to-end ML-modellen in Azure Databricks
Dit zelfstudienotebook bevat een end-to-end-voorbeeld van het trainen van een model in Azure Databricks, waaronder het laden van gegevens, het visualiseren van de gegevens, het instellen van een parallelle optimalisatie van hyperparameters en het gebruik van MLflow om de resultaten te bekijken, het model te registreren en deductie uit te voeren op nieuwe gegevens met behulp van het geregistreerde model in een Spark UDF.
U kunt dit notebook zelf importeren en uitvoeren, of codefragmenten en ideeën kopiëren voor uw eigen gebruik.
Notebook
Als uw werkruimte is geconfigureerd voor Unity Catalog, gebruik deze versie van het notebook:
Scikit-learn gebruiken met MLflow-integratie op Databricks (Unity Catalog)
Als uw werkruimte niet geschikt is gemaakt voor Unity Catalog, gebruik dan deze versie van het notebook: