Exemplos de formação de modelos

Esta seção inclui exemplos que mostram como treinar modelos de aprendizado de máquina no Azure Databricks usando muitas bibliotecas de código aberto populares.

Você também pode usar o Mosaic AutoML, que prepara automaticamente um conjunto de dados para treinamento de modelos, executa um conjunto de testes usando bibliotecas de código aberto, 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 revisar, reproduzir e modificar o código.

Exemplos de aprendizagem automática

Pacote Caderno(s) Funcionalidades
scikit-learn Tutorial de aprendizado de máquina Unity Catalog, modelo de classificação, MLflow, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow
scikit-learn Exemplo de ponta a ponta Unity Catalog, modelo de classificação, MLflow, ajuste automatizado de hiperparâmetros com Hyperopt e MLflow, XGBoost
MLlib Exemplos de MLlib Classificação binária, árvores de decisão, regressão GBT, Structured Streaming, transformador personalizado
xgboost Exemplos de XGBoost Python, PySpark e Scala, cargas de trabalho de nó único e treinamento distribuído

Exemplos de ajuste de hiperparâmetros

Para obter informações gerais sobre o ajuste de hiperparâmetros no Azure Databricks, consulte Ajuste de hiperparâmetros.

Pacote Bloco de Notas Funcionalidades
Optuna Introdução ao Optuna Optuna, distribuído Optuna, scikit-learn, MLflow
Hyperopt Hiperoptia distribuída Hiperopta distribuída, scikit-learn, MLflow
Hyperopt Comparar modelos Use a hiperopção distribuída para pesquisar espaço de hiperparâmetro para diferentes tipos de modelo simultaneamente
Hyperopt Algoritmos de treinamento distribuído e hiperopta Hiperoptia, MLlib
Hyperopt Práticas recomendadas de hiperoptia Práticas recomendadas para conjuntos de dados de tamanhos diferentes