LoslegenKostenlos loslegen

Einen Lauf protokollieren

In dieser Übung trainierst du ein Modell mit scikit-learn Linear Regression, um den Gewinn aus dem Datensatz Unicorn vorherzusagen. Du hast ein Experiment namens Unicorn Sklearn Experiment erstellt und einen neuen Lauf gestartet. Du wirst Metriken für r2_score und Parameter für n_jobs protokollieren sowie den Trainingscode als Artefakt protokollieren.

Das Modell Linear Regression wird mit dem Parameter n_jobs trainiert, der auf 1 gesetzt ist. Die r2_score Metrik wurde mit Hilfe der r2_score() von scikit-learn auf der Grundlage der y_pred Variablen erstellt, die aus den Vorhersagen von X_test stammen.

model = LinearRegression(n_jobs=1)
model.fit(X_train, y_train)

y_pred = model.predict(X_test)

r2_score = r2_score(y_test, y_pred)

Das Modul mlflow sowie die Module LinearRegression, train_test_split und metrics von scikit-learn werden importiert.

Diese Übung ist Teil des Kurses

Einführung in MLflow

Kurs anzeigen

Anleitung zur Übung

  • Logge die Variable r2_score als eine Metrik namens "r2_score".
  • Protokolliere einen Parameter namens "n_jobs" auf dem Tracking Server.
  • Protokolliere die Datei "train.py" als Artefakt im Lauf.

Interaktive Übung

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

# Log the metric r2_score as "r2_score"
____.____("____", ____)

# Log parameter n_jobs as "n_jobs"
____.____("____", ____)

# Log the training code
____.____("train.py")
Code bearbeiten und ausführen