Compartilhar via

Exemplos de treinamento de modelo

Esta seção inclui exemplos que mostram como treinar modelos de machine learning em Azure Databricks usando muitas bibliotecas de software livre populares.

Você também pode usar AutoML, que prepara automaticamente um conjunto de dados para treinamento de modelo, executa um conjunto de avaliações usando bibliotecas de software livre, como scikit-learn e XGBoost, e cria um bloco de anotações Python com o código-fonte para cada execução de avaliação para que você possa examinar, reproduzir e modificar o código.

Exemplos de machine learning

Pacote Computador portátil(s) Funcionalidades
scikit-learn Tutorial de aprendizado de máquina Catálogo do Unity, modelo de classificação, MLflow, ajuste automatizado de hiperparâmetro com Hyperopt e MLflow
scikit-learn Exemplo completo Catálogo do Unity, modelo de classificação, MLflow, ajuste automatizado de hiperparâmetro com Hyperopt e MLflow, XGBoost
MLlib Exemplos de MLlib Classificação binária, árvores de decisão, regressão GBT, fluxo estruturado, transformador personalizado
xgboost Exemplos de XGBoost Python, PySpark e Scala, cargas de trabalho de nó único e treinamento distribuído

Exemplos de ajuste de hiperparâmetro

Para obter informações gerais sobre o ajuste de hiperparâmetros em Azure Databricks, consulte Ajuste de Hiperparâmetros.

Observação

A versão de código aberto do Hyperopt não está mais sendo mantida.

O Hyperopt não está incluído no Databricks Runtime para Machine Learning após o 16.4 LTS ML. Azure Databricks recomenda usar Optuna para otimização de nó único ou RayTune para uma experiência semelhante à funcionalidade de otimização de hiperparâmetros distribuída do Hyperopt preterido. Saiba mais sobre como usar RayTune no Azure Databricks.

Pacote Notebook Funcionalidades
Optuna Introdução ao Optuna Optuna, Optuna distribuído, scikit-learn, MLflow
Hyperopt Hyperopt distribuído Hyperopt distribuído, scikit-learn, MLflow
Hyperopt Comparar modelos Utilizar o hyperopt distribuído para explorar simultaneamente o espaço de hiperparâmetros em diferentes tipos de modelo.
Hyperopt Algoritmos de treinamento distribuído e hyperopt Hyperopt, MLlib
Hyperopt Práticas recomendadas do Hyperopt Práticas recomendadas para conjuntos de dados de diferentes tamanhos
  • Last updated on