Note
Hyperopt のオープンソース バージョンはメンテナンスされなくなりました。
Hyperopt は、次のメジャー DBR ML バージョンで削除されます。 Azure Databricks では、単一ノードの最適化に Optuna を、非推奨の Hyperopt 分散ハイパーパラメーター チューニング機能と同様のエクスペリエンスには RayTune を使用することを推奨しています。 Azure Databricks での RayTune の使用の詳細については、こちらをご覧ください。
このノートブックでは、Hyperopt を使用してハイパーパラメーター チューニングの計算を並列化する方法を示します。 ここでは、SparkTrials クラスを使用して、クラスター ワーカー全体に計算を自動的に分散します。 また、後で結果を保存できるよう、Hyperopt 実行の自動 MLflow 追跡についても示します。
自動 MLflow 追跡を使用したハイパーパラメーター チューニングの並列化に関するノートブック
ノートブックの最後のセルでアクションを実行すると、MLflow UI が表示されます。
