Introduzione
Gli iperparametri sono parametri definiti prima del training del modello, che possono influire sulle prestazioni del modello stesso. A seconda dell'algoritmo usato per eseguire il training di un modello, sono disponibili iperparametri diversi che è possibile perfezionare tramite un processo denominato ottimizzazione degli iperparametri.
In questo modulo si apprenderà come usare Azure Databricks con MLflow per eseguire l'ottimizzazione degli iperparametri e la selezione del modello.
Obiettivi di apprendimento
Al termine di questo modulo si sarà in grado di:
- Comprendere l'ottimizzazione degli iperparametri e il relativo ruolo nel Machine Learning.
- Comprendere come usare i due strumenti open source, MLflow automatizzato e Hyperopt, per automatizzare il processo di selezione del modello e ottimizzazione degli iperparametri.