Experimentergebnisse durchsuchen

MLflow macht es leicht, die Ergebnisse deiner Experimente abzufragen, sodass du die Modellleistung und Hyperparameter im Blick behältst.

Untersuche dein jüngstes Experiment und finde das Modell mit dem niedrigsten Mean Absolute Percentage Error (MAPE).

Diese Übung ist Teil des Kurses

<Kurs>Forecasting-Pipelines für die Produktion entwerfen</Kurs>

Kurs ansehen

Übungsanweisungen

Suche MLflow-Läufe über den experiment_name.
Ermittle aus all_results das einzelne, am besten abschneidende Modell basierend auf metrics.mape.
Gib die Teilmenge von best_mape_model aus.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

experiment_name = "hyperparameter_tuning"

# Search MLflow runs
all_results = mlflow.____(experiment_names=[____])

# Filter for the model with the best MAPE score
best_mape_model = all_results.____("metrics.mape").head(____)

# Print the model
print(____[["params.model_name", "metrics.mape"]])

Code bearbeiten und ausführen