Exempel från hela slutet på att skapa maskininlärningsmodeller på Azure Databricks

Maskininlärning i verkligheten är rörigt. Datakällor innehåller saknade värden, inkluderar redundanta rader eller får inte plats i minnet. Funktionstekniker kräver ofta domänkunskaper och kan vara omedvetet. I modellering blandas för ofta datavetenskap och systemteknik, vilket inte bara kräver kunskaper om algoritmer, utan även om maskinarkitektur och distribuerade system.

Azure Databricks förenklar den här processen. I följande 10-minuters notebook-guide får du ett exempel på hur du tränar maskininlärningsmodeller på tabelldata. Du kan importera den här notebook-filen och köra den själv, eller kopiera kodfragment och idéer för eget bruk.

Krav

Den här notebook-Databricks Runtime 6.5 ML eller högre.

Notebook-fil

Exempelnotebook från slutpunkt till slutpunkt för MLflow

Hämta notebook-fil