モデルの型を Hyperopt と MLflow と比較する

Note

Hyperopt のオープンソース バージョンはメンテナンスされなくなりました。

Hyperopt は、次のメジャー DBR ML バージョンで削除されます。 Azure Databricks では、単一ノードの最適化に Optuna を使用するか、非推奨の Hyperopt 分散ハイパーパラメーター調整機能と同様のエクスペリエンスを実現するために RayTune を することをお勧めします。 Azure Databricks で RayTune を使用する方法について説明します。

このノートブックでは、複数のモデルのハイパーパラメーターをチューニングし、全体的に最適なモデルに到達する方法について説明します。 この例では、SparkTrials で Hyperopt を使用して3 種類のモデルを比較し、モデルの種類ごとに適したハイパーパラメーターのセットでモデルのパフォーマンスを評価します。

scikit-learn、Hyperopt、および MLflow ノートブックを使用してモデルを比較する

ノートブックを入手