従来の機械学習

備考

ベータ版

この機能はベータ版です。ワークスペース管理者は、 プレビュー ページからこの機能へのアクセスを制御できます。「Databricks プレビューの管理」を参照してください。

このページでは、サーバレス GPU コンピュートを使用した古典的な機械学習タスクのノートブックの例を示します。これらの例は、従来の ML アルゴリズムと時系列予測に GPU を活用する方法を示しています。

XGBoost モデルのトレーニング

このノートブックでは、1 つの GPU で XGBoost 回帰モデルをトレーニングする方法を示します。XGBoost は、大規模なデータセットの GPU アクセラレーションから大きな恩恵を受けることができます。

このノートブックでは、ハイパーパラメーターの最適化を使用したエンドツーエンドの分散型XGBoostトレーニングを示します。 Databricksサーバレス GPU コンピュートで Ray Tune を使用します。

このノートブックでは、サーバレス GPU クラスター上で GluonTS の DeepAR モデルを使用して、電力消費量データを確率的に時系列予測するためのエンドツーエンドのワークフローを示します。データ取り込み、リサンプリング、モデルトレーニング、予測、視覚化、評価をカバーしています。