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。
また、 Mosaic AutoML を使用すると、モデル トレーニング用のデータセットが自動的に準備され、scikit-learn や XGBoost などのオープンソース ライブラリを使用して一連の試行が実行され、各試行実行のソース コードを含む Python ノートブックが作成されるため、コードを確認、再現、および変更できます。
機械学習の例
パッケージ |
ノートブック |
機能 |
---|---|---|
Scikit-Learn |
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 |
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 |
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 |
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、分散型Optuna、 Scikit-Learn、 MLflow |
|
Hyperopt |
分散hyperopt、Scikit-Learn、MLflow |
|
Hyperopt |
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 |
Hyperopt、MLlib |
|
Hyperopt |
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 |