Porównanie typów modeli z użyciem aplikacji Hyperopt i MLflow
Uwaga
Wersja biblioteki Hyperopt typu open source nie jest już utrzymywana.
Funkcja Hyperopt zostanie usunięta w następnej głównej wersji DBR ML. Usługa Azure Databricks zaleca użycie Optuna na potrzeby optymalizacji pojedynczego węzła lub RayTune, aby zapewnić podobne środowisko do przestarzałej funkcji rozproszonego dostrajania hiperparametrów Hyperopt. Dowiedz się więcej o korzystaniu z RayTune w usłudze Azure Databricks.
W tym notesie pokazano, jak dostroić hiperparametry dla wielu modeli i uzyskać najlepszy model. Używa funkcji Hyperopt do SparkTrials porównywania trzech typów modeli, oceniając wydajność modelu przy użyciu innego zestawu hiperparametrów odpowiednich dla każdego typu modelu.