Partager via


Comparer les types de modèles avec Hyperopt et MLflow

Remarque

La version open source de Hyperopt n’est plus conservée.

Hyperopt sera supprimé dans la prochaine version principale de DBR ML. Azure Databricks recommande d’utiliser Optuna pour une expérience similaire et d’accéder à des algorithmes d’optimisation des hyperparamètres à jour.

Ce notebook montre comment régler les hyperparamètres pour plusieurs modèles et parvenir à un modèle globalement optimal. Il utilise Hyperopt avec SparkTrials pour comparer trois types de modèles, en évaluant la performance des modèles avec un ensemble différent d’hyperparamètres appropriés pour chaque type de modèle.

Comparer des modèles à l’aide de scikit-learn, Hyperopt et du notebook MLflow

Obtenir le notebook