Erstellen eines MLProjekts für den ML Lebenszyklus: Modellbau
Die Datei MLproject kann mehr als einen Einstiegspunkt enthalten. Das bedeutet, dass du eine einzige MLproject Datei verwenden kannst, um mehrere Einstiegspunkte auszuführen. So ist es möglich, einen Workflow mit mehreren Schritten mit einer einzigen MLproject Datei auszuführen.
In dieser Übung wirst du den Anfang einer MLproject Datei erstellen, die den model_engineering Einstiegspunkt enthält. Dieser Einstiegspunkt führt ein Python-Skript aus, das die Parameter, die als Hyperparameterwerte für fit_intercept und n_jobs verwendet werden, in ein logistisches Regressionsmodell übernimmt. Dieses Modell wird verwendet, um das Geschlecht einer Person in einem Versicherungsfall vorherzusagen.
Diese Übung ist Teil des Kurses
Einführung in MLflow
Anleitung zur Übung
- Erstellen Sie einen Einstiegspunkt für den Modellierungsschritt des ML Lebenszyklus namens
model_engineering. - Setze den ersten Parameter für den Einstiegspunkt auf
n_jobsund den zweiten auffit_intercept. - Platziere die Parameter innerhalb des Befehls.
Interaktive Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
"""
name: insurance_model
python_env: python_env.yaml
entry_points:
# Set the entry point
____:
parameters:
# Set n_jobs
____:
type: int
default: 1
# Set fit_intercept
____:
type: bool
default: True
# Pass the parameters to the command
command: "python3.9 train_model.py {____} {____}"
"""