Porovnání typů modelů pomocí Hyperoptu a MLflow

Poznámka:

Opensourcová verze Hyperoptu se už neudržuje.

Hyperopt se odebere v další hlavní verzi DBR ML. Azure Databricks doporučuje používat Optuna pro optimalizaci s jedním uzlem nebo RayTune pro obdobnou funkčnost jako má opuštěná distribuovaná funkce ladění hyperparametrů Hyperopt. Přečtěte si další informace o používání RayTune v Azure Databricks.

Tento poznámkový blok ukazuje, jak vyladit hyperparametry pro více modelů a získat nejlepší celkový model. Používá Hyperopt SparkTrials k porovnání tří typů modelů, vyhodnocení výkonu modelu s jinou sadou hyperparametrů vhodných pro každý typ modelu.

Porovnání modelů pomocí poznámkového bloku scikit-learn, Hyperopt a MLflow

Získat notebook