Databricks にて Hyperopt を利用した際に特定の MLflow の experiment へトラッキングする方法

概要

Databricks にて Hyperopt を利用した際に特定の MLflow の experiment へトラッキングする方法を共有します。Hyperopt 利用時には、MLflow へトラッキングする際にset_experimentにより experiment を指定することで想定通りにトラッキングできました。

mlflow.set_experiment(experiment_id="1420974677739169")

with mlflow.start_run():
  best_result = fmin(
    fn=objective, 
    space=search_space,
    algo=algo,
    max_evals=32,
    trials=spark_trials)

Hyperopt 利用時には親子関係でトラッキングが実施されるため、次のリンク先にて記載されている MLflow の仕様により、experiment_id の指定方法によっては想定通りに動作しない場合があります。

• NLested runs should inherit experiment ID from parent · Issue #1109 · mlflow/mlflow · GitHub

本記事では、次のリンク先にあるサンプルノートブックに基づいた検証結果を共有します。サンプルノートブックの一部を修正し、その実行結果を確認しました。

引用元： hyperopt-sklearn-model-selection - Databricks (microsoft.com)

Hyperopt の詳細を知りたい場合には、次のドキュメントが参考になります。

• Hyperopt の概念 - Azure Databricks | Microsoft Learn
• ハイパーパラメーターの調整 - Azure Databricks | Microsoft Learn
• scikit-learn と MLflow 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 - Azure Databricks | Microsoft Learn
• モデルの型を Hyperopt と MLflow と比較する - Azure Databricks | Microsoft Learn

基本的な Hyperopt 利用時の MLflow へのトラッキング動作の確認

サンプルノートブックの実行結果から基本的な Hyperopt による MLflow へのトラッキングに関する動作を確認します。

サンプルノートブックでは、fminメソッドを実行する際に、mlflow.start_runによりトラッキングが実施されるようになっております。experiment_id を指定していないため、現在のノートブックにトラッキングされます。

Hyperopt で、チューニング対象の関数をobjectパラメータに指定するのですが、サンプルノートブックでは次のようなコードとなっております。MLflow へのトラッキングが明示されておりませんが、fminメソッドがトラッキング対象となっているため ML モデルの学習時に MLflow へトラッキングするようです。

サンプルノートブックの実行後、現在のノートブック上の experiment を確認すると、MLflow に対して親子階層でトラッキングされることが確認できました。dashing-sheep-743が親の experiment であり、spiffy-rat-555やorderly-finch-409などが子の experiment です。

親の experiment では、fminメソッド実行時のパラメータや実行時のソースであるノートブックへのリンクが記載されています。

子の experiment では、モデル学習時のハイパーパラメータやメトリックなどの ML モデルの情報が記載されています。

指定した experiment にトラッキングする方法

C1. set_experimentメソッドで experiment_id を指定する方法

set_experimentメソッドで experiment_id を指定するため、トラッキング先の experiment を作成後、サンプルノートブックのコードを次のように修正しました。

修正前

with mlflow.start_run():
  best_result = fmin(
    fn=objective, 
    space=search_space,
    algo=algo,
    max_evals=32,
    trials=spark_trials)

修正後

mlflow.set_experiment(experiment_id="1420974677739169")

with mlflow.start_run():
  best_result = fmin(
    fn=objective, 
    space=search_space,
    algo=algo,
    max_evals=32,
    trials=spark_trials)

ノートブックを実行すると、指定した experiment に親子階層でトラッキングされました。

想定通りに experiment にトラッキングできない例

E1. fminメソッド実行時に experiment_id を指定する方法

fminメソッド実行時に experiment_id を指定するため、サンプルノートブックのコードを次のように修正しました。

修正前

with mlflow.start_run():
  best_result = fmin(
    fn=objective, 
    space=search_space,
    algo=algo,
    max_evals=32,
    trials=spark_trials)

修正後

with mlflow.start_run(experiment_id="1420974677739169"):
  best_result = fmin(
    fn=objective, 
    space=search_space,
    algo=algo,
    max_evals=32,
    trials=spark_trials)

修正したノートブックを実行すると、fminメソッド実行に関するトラッキングのみ指定した experiment に実施されていました。

ML モデルの学習に関するトラッキングは、実行したノートブックの experiment に記載されていました。そのため、親子階層でトラッキングされていないため、想定通りにトラッキングできていないと判断しました。

E2. fminメソッドとobject指定の関数実行時に experiment_id を指定する方法

fminメソッドとobject指定の関数実行時に experiment_id を指定するため、サンプルノートブックのコードを次のように修正しました。

修正前

with mlflow.start_run():
  best_result = fmin(
    fn=objective, 
    space=search_space,
    algo=algo,
    max_evals=32,
    trials=spark_trials)

def objective(params):
    classifier_type = params['type']
    del params['type']
    if classifier_type == 'svm':
        clf = SVC(**params)
    elif classifier_type == 'rf':
        clf = RandomForestClassifier(**params)
    elif classifier_type == 'logreg':
        clf = LogisticRegression(**params)
    else:
        return 0
    accuracy = cross_val_score(clf, X, y_discrete).mean()
    
    # Because fmin() tries to minimize the objective, this function must return the negative accuracy. 
    return {'loss': -accuracy, 'status': STATUS_OK}

修正後

with mlflow.start_run(experiment_id="1420974677739169"):
  best_result = fmin(
    fn=objective, 
    space=search_space,
    algo=algo,
    max_evals=32,
    trials=spark_trials)

def objective(params):
  with mlflow.start_run(experiment_id="1420974677739169"):
    classifier_type = params['type']
    del params['type']
    if classifier_type == 'svm':
        clf = SVC(**params)
    elif classifier_type == 'rf':
        clf = RandomForestClassifier(**params)
    elif classifier_type == 'logreg':
        clf = LogisticRegression(**params)
    else:
        return 0
    accuracy = cross_val_score(clf, X, y_discrete).mean()
    
    # Because fmin() tries to minimize the objective, this function must return the negative accuracy. 
    return {'loss': -accuracy, 'status': STATUS_OK}

修正したノートブックを実行すると、fminメソッド実行に関するトラッキングのみ指定した experiment に実施されていました。

ML モデルの学習に関するトラッキングは、実行したノートブックの experiment に記載されていました。そのため、親子階層でトラッキングされていないため、想定通りにトラッキングできていないと判断しました。