Comparación de tipos de modelos mediante Hyperopt y MLflow

Nota:

La versión de código abierto de Hyperopt ya no se mantiene.

Hyperopt no se incluye en Databricks Runtime para Machine Learning después de 16.4 LTS ML. Azure Databricks recomienda usar Optuna para la optimización de un solo nodo o rayTune para una experiencia similar a la funcionalidad de optimización de hiperparámetros distribuidos de Hyperopt en desuso. Obtenga más información sobre el uso de RayTune en Azure Databricks.

En este cuaderno se muestra cómo ajustar los hiperparámetros para varios modelos y llegar a un mejor modelo en general. Usa Hyperopt con SparkTrials para comparar tres tipos de modelo, evaluando el rendimiento del modelo con un conjunto diferente de hiperparámetros adecuado para cada tipo de modelo.

Comparación de modelos mediante el cuaderno MLflow, scikit-learn y Hyperopt

Obtener el cuaderno