模型訓練示例

本節包括示例，展示如何使用許多流行的開源庫在Databricks上訓練機器學習和深度學習模型。

你也可以使用AutoML，它會自動為模型訓練準備一個數據集，使用scikit-learn和XGBoost等開源庫執行一組試驗，並為每次試驗運行創建一個包含源代碼的Python筆記本，以便您可以審查、複製和修改代碼。

有關演示如何訓練使用Unity Catalog中的數據並將預測寫回Unity Catalog的機器學習模型的示例筆記本，請參見使用Unity Catalog數據進行Python ML模型訓練．

機器學習的例子

包	筆記本(s)	特性
scikit-learn	機器學習入門	分類模型，MLflow，使用Hyperopt和MLflow進行自動超參數調優
scikit-learn	使用模型注冊表進行機器學習	分類模型，MLflow，自動超參數調優與Hyperopt和MLflow，模型注冊
scikit-learn	的端到端示例	分類模型，MLflow，使用Hyperopt和MLflow的自動超參數調優，XGBoost，模型注冊表，模型服務
MLlib	MLlib例子	二叉分類，決策樹，GBT回歸，結構化流，自定義轉換器
xgboost	XGBoost例子	Python, PySpark和Scala，單節點工作負載和分布式培訓

包	筆記本	特性
TensorFlow Keras	深度學習快速入門	TensorFlow Keras, TensorBoard, Hyperopt, MLflow
TensorFlow(單節點)	TensorFlow教程與MNIST數據集	TensorFlow, TensorBoard
PyTorch(單節點)	PyTorch教程與MNIST數據集	PyTorch

關於分布式深度學習訓練，請參見:

包	筆記本	特性
HorovodRunner (TensorFlow Keras)	TensorFlow Keras MNIST示例	TensorFlow Keras單節點分布式訓練
HorovodRunner (PyTorch)	PyTorch MNIST示例	PyTorch單節點進行分布式訓練
HorovodRunner	Horovod時間表	Horovod時間表
`horovod.spark`(PyTorch和Keras)	horovod.sparkpackage	`horovod.spark`用於ML管道Keras和PyTorch的估計器API
`spark-tensorflow-distributor`	使用TensorFlow進行分布式訓練	在Apache Spark集群上使用TensorFlow進行分布式訓練

有關Databricks中超參數調優的一般信息，請參見Hyperparameter調優．

包	筆記本	特性
Hyperopt	分布式hyperopt	分布式hyperopt, scikit-learn, MLflow
Hyperopt	比較模型	利用分布式超選擇同時搜索不同模型類型的超參數空間
Hyperopt	分布式訓練算法和超opt	Hyperopt, MLlib
Hyperopt	Hyperopt最佳實踐	不同大小數據集的最佳實踐