Aller au contenu principal

Comparer les types de modèles avec Hyperopt et MLflow

remarque

La version open source de Hyperopt n'est plus maintenue.

Hyperopt n’est pas inclus dans Databricks Runtime for Machine Learning après 16.4 LTS ML. Databricks recommande d’utiliser Optuna, qui peut exécuter des études parallèles sur Spark, ou Ray Tune pour une expérience similaire à la fonctionnalité déconseillée d’ajustement distribué des hyperparamètres Hyperopt. En savoir plus sur l’utilisation de Ray Tune sur Databricks.

Ce Notebook démontre comment régler les hyperparamètres pour plusieurs modèles et arriver à un meilleur modèle global. Il utilise Hyperopt avec SparkTrials pour comparer trois types de modèles, en évaluant les performances du modèle avec un ensemble différent d'hyperparamètres appropriés pour chaque type de modèle.

Comparez les modèles en utilisant scikit-learn, Hyperopt et MLflow notebook