Utiliser scikit-learn sur Azure Databricks
Cette page fournit des exemples d’utilisation du package scikit-learn pour entraîner des modèles Machine Learning dans Azure Databricks. scikit-learn est l’une des bibliothèques Python les plus populaires pour le Machine Learning mononœud. Elle est incluse dans Databricks Runtime et Databricks Runtime ML. Pour la version de la bibliothèque scikit-learn incluse dans le runtime de votre cluster, consultez Notes de publication de Databricks Runtime.
Vous pouvez importer ces notebooks et les exécuter dans votre espace de travail Azure Databricks.
Pour obtenir des exemples de notebooks supplémentaires permettant de démarrer rapidement sur Azure Databricks, consultez Tutoriels : Bien démarrer avec le Machine Learning.
Exemple de base utilisant scikit-learn
Ce notebook offre une vue d’ensemble rapide de la formation de modèles Machine Learning sur Azure Databricks. Il utilise le package scikit-learn pour entraîner un modèle de classification simple. Il illustre également l’utilisation de MLflow pour suivre le processus de développement de modèles et Hyperopt pour automatiser le réglage des hyperparamètres.
Notebook de classification scikit-learn
Exemple de bout en bout avec scikit-learn sur Azure Databricks
Ce notebook utilise scikit-learn pour illustrer un exemple complet de chargement de données, d’apprentissage d’un modèle, de réglage distribué des hyperparamètres et d’inférence de modèle. Il illustre également la gestion du cycle de vie des modèles en utilisant MLflow Model Registry pour consigner et inscrire votre modèle.