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