Примечание
Для доступа к этой странице требуется авторизация. Вы можете попробовать войти или изменить каталоги.
Для доступа к этой странице требуется авторизация. Вы можете попробовать изменить каталоги.
На этой странице приведены примеры использования scikit-learn пакета для обучения моделей машинного обучения в Azure Databricks.
scikit-learn является одной из самых популярных библиотек Python для машинного обучения с одним узлом и включен в Databricks Runtime и Databricks Runtime ML. См. заметки о выпуске Databricks Runtime, чтобы узнать версию библиотеки scikit-learn, включённую в среду выполнения вашего кластера.
Эти записные книжки можно импортировать и запустить в рабочей области Azure Databricks.
Дополнительные примеры записных книжек для быстрого начала работы в Azure Databricks см. в руководствах по искусственному интеллекту и машинному обучению.
В этой записной книжке представлен краткий обзор обучения моделей машинного обучения на Azure Databricks. Он использует scikit-learn пакет для обучения простой модели классификации. Он также иллюстрирует использование MLflow для отслеживания процесса разработки модели и Optuna для автоматизации настройки гиперпараметров.
Если рабочая область настроена для работы с Unity Catalog, используйте эту версию записной книжки.
Если в вашей рабочей области не активирован Unity Catalog, используйте эту версию блокнота.
Эта записная книжка использует scikit-learn для иллюстрации полного комплексного примера загрузки данных, обучения модели, настройки распределенного гиперпараметра и вывода модели. Он также иллюстрирует управление жизненным циклом модели с помощью реестра моделей MLflow для регистрации и регистрации модели.
Если рабочая область настроена для работы с Unity Catalog, используйте эту версию записной книжки.
Если в вашей рабочей области не активирован Unity Catalog, используйте эту версию блокнота.