Vergleichen von Modelltypen mit Hyperopt und MLflow

Hinweis

Die Open-Source-Version von Hyperopt wird nicht mehr gepflegt.

Hyperopt ist nicht in Databricks Runtime für Maschinelles Lernen nach 16.4 LTS ML enthalten. Azure Databricks empfiehlt, entweder Optuna- für die Optimierung mit einem einzelnen Knoten oder RayTune- für eine ähnliche Erfahrung wie die veraltete verteilte Hyperparameteroptimierungsfunktion von Hyperopt zu verwenden. Erfahren Sie mehr über die Verwendung von RayTune- in Azure Databricks.

In diesem Notebook wird veranschaulicht, wie Sie die Hyperparameter für mehrere Modelle optimieren können, um das insgesamt beste Modell zu erreichen. Es verwendet Hyperopt mit SparkTrials, um drei Modelltypen zu vergleichen und die Modellleistung mit einem anderen Satz von Hyperparametern auszuwerten, die für alle Modelltypen geeignet sind.

Notebook: Vergleichen von Modellen mit Scikit-learn, Hyperopt und MLflow

Notebook abrufen