Parallélisme de l’optimisation des hyperparamètres avec scikit-Learn et MLflow

Ce bloc-notes montre comment utiliser Hyperopt pour paralléliser les calculs d’optimisation des hyperparamètres. Elle utilise la SparkTrials classe pour distribuer automatiquement les calculs entre les Workers du cluster. Il illustre également le suivi MLflow automatisé des exécutions Hyperopt, ce qui vous permet d’enregistrer les résultats ultérieurement.

Paralléliser le paramétrage hyperparamètre avec le bloc-notes de suivi MLflow automatisé

Obtenir le notebook

Une fois que vous avez effectué les actions dans la dernière cellule du bloc-notes, votre interface utilisateur MLflow doit afficher :

Démo Hyperopt MLflow