注意
不再維護 Hyperopt 的開放原始碼版本。
Hyperopt 將在下一個主要 DBR ML 版本中移除。 Azure Databricks 建議針對單一節點優化使用 Optuna，或 RayTune，以取得與已取代的 Hyperopt 分散式超參數微調功能類似的體驗。 深入瞭解如何在 Azure Databricks 上使用 RayTune。
此筆記本示範如何使用 Hyperopt 來平行處理超參數調整計算。 其使用 SparkTrials 類別自動在叢集背景工作角色之間分配計算。 還說明 Hyperopt 執行的自動化 MLflow 追蹤，以便您可以儲存結果供以後使用。
使用自動化 MLflow 追蹤筆記本平行處理超參數調整
在筆記本中的最後一個儲存格中執行動作後，MLflow UI 應顯示：
