モデルトレーニングの例

このセクションでは、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を紹介します。

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。

機械学習の例

パッケージ	ノートブック	機能
Scikit-Learn	機械学習のチュートリアル	Unity Catalog、分類モデル、MLflow、HyperoptとMLflowによる自動ハイパーパラメーターチューニング
Scikit-Learn	エンドツーエンドの例	Unity Catalog、 分類モデル 、 MLflow、 Hyperopt and MLflowによる自動ハイパーパラメーターチューニング 、 XGBoost
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ーチューニング」を参照してください。

パッケージ	ノートブック	機能
オプツナ	Optunaを始めよう	Optuna、分散型Optuna、 Scikit-Learn、 MLflow
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