Exemplos de treinamento de modelos

Esta seção inclui exemplos que mostram como ensinar o modelo do machine learning em Databricks usando muitos códigos abertos populares de biblioteca.

O senhor também pode usar o Mosaic AutoML, que prepara automaticamente um dataset para treinamento de modelos, executa um conjunto de testes usando códigos abertos de biblioteca, como scikit-learn e XGBoost, e cria um Python Notebook com o código-fonte de cada execução de teste para que o senhor possa revisar, reproduzir e modificar o código.

Exemplos de machine learning

Pacote

Notebook(s)

Recursos

scikit-learn

Tutorial de machine learning

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 do XGBoost

Python, PySpark e Scala, workloads de nó único e treinamento distribuído

Exemplos de ajuste de hiperparâmetros

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

Pacote

Notebook

Recursos

Optuna

Começar com a Optuna

Optuna, distribuído Optuna, Scikit-Learn, MLflow

Hyperopt

Hyperopt distribuído

Hyperopt distribuído, scikit-learn, MLflow

Hyperopt

Comparar modelos

Utilize o hyperopt distribuído para buscar o espaço de hiperparâmetros para diferentes tipos de modelos simultaneamente.

Hyperopt

Algoritmos de treinamento distribuído e hyperopt

Hyperopt, MLlib

Hyperopt

Melhores práticas da Hyperopt

Práticas recomendadas para conjuntos de dados de tamanhos diferentes