注意
不再維護 Hyperopt 的開放原始碼版本。
Hyperopt 在 16.4 LTS ML 之後不再包含在 Databricks 機器學習執行時中。 Azure Databricks 建議使用 Optuna,因為它可以在 Spark 上執行平行實驗,或使用 Ray Tune,以獲得類似已棄用的 Hyperopt 分散式超參數調校功能的體驗。 了解更多關於在 Azure Databricks 上使用 Ray Tune 的資訊。
此筆記本會示範如何微調多個模型的超參數,並整體達到最佳模型。 它會搭配使用 Hyperopt 與 SparkTrials,來比較三種模型類型,並評估模型效能與適用於每個模型類型的不同超參數集。