モデルトレーニングの例

このセクションには、多くの一般的なオープンソース ライブラリを使用して Databricks で機械学習モデルをトレーニングする方法を示す例が含まれています。

AutoMLを使用することもできます。AutoMLは、モデル学習用のデータセットを自動的に準備し、Scikit-LearnやXGBoostといったオープンソースライブラリを使用して一連のトライアルを実行し、各トライアル実行のソースコードを含むPythonノートブックを作成するものです。ユーザーはこのコードを精査したり、再現したり、変更したりすることができます。

サンプルノートブックには、Unity Catalogのデータを使用する機械学習モデルをトレーニングし、予測をUnity Catalogに書き戻す方法が示されています。「Unity Catalogを使用した機械学習モデルのトレーニングと登録」を参照してください。

機械学習の例

パッケージ	ノートブック	特徴量
Scikit-Learn	機械学習のチュートリアル	分類モデル、MLflow、HyperoptとMLflowによる自動ハイパーパラメータチューニング
Scikit-Learn	全体例	分類モデル、MLflow、HyperoptとMLflowによる自動ハイパーパラメータチューニング、XGBoost、Model Registry、モデルサービング
MLlib	MLLibの例	二項分類、決定木、GBT回帰、構造化ストリーミング、カスタムトランスフォーマー
XGBoost	XGBoostの例	Python、PySpark、Scala、シングルノードワークロード、分散トレーニング

ハイパーパラメータチューニングの例

Databricksでのハイパーパラメータチューニングに関する一般的な情報については、「ハイパーパラメータの調整」を参照してください。

パッケージ	ノートブック	特徴量
Hyperopt	分散hyperopt	分散hyperopt、Scikit-Learn、MLflow
Hyperopt	モデルの比較	分散hyperoptを使用して、ハイパーパラメータ空間でさまざまなモデルタイプを同時に検索する
Hyperopt	分散トレーニングのアルゴリズムとhyperopt	Hyperopt、MLlib
Hyperopt	Hyperoptのベストプラクティス	さまざまなサイズのデータセットのベストプラクティス