MLflow zum Protokollieren und Abrufen von Daten
MLflow ist eine Open-Source-Plattform zur Verwaltung des ML-Lebenszyklus. Sie kann verwendet werden, um Experimente nachzuverfolgen, Code in reproduzierbare Läufe zu verpacken sowie Modelle zu teilen und bereitzustellen. In der folgenden Übung protokollierst du einige Parameter eines Trainingsexperiments für dein Herzkrankheiten-Modell. mlflow ist importiert, und das trainierte Herzkrankheiten-model wurde für dich geladen.
Diese Übung ist Teil des Kurses
End-to-End Machine Learning
Anleitung zur Übung
- Initialisiere ein MLflow-Experiment namens
"Logistic Regression Heart Disease Prediction". - Starte einen Lauf und protokolliere den Koeffizienten und den Achsenabschnitt des trainierten Modells.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Initialize the MLflow experiment
____.____("Logistic Regression Heart Disease Prediction")
# Start a run, log model coefficients and intercept
with ____.____:
for idx, coef in enumerate(model.coef_[0]):
____.____(f"coef_{idx}", ____)
____.____("intercept", model.intercept_[0])
run_id = mlflow.active_run().info.run_id
print(run_id)