Buscar resultados de experimentos
MLflow facilita consultar los resultados de tus experimentos y te ayuda a seguir el rendimiento de los modelos y los hiperparámetros.
Vamos a analizar tu experimento más reciente y a encontrar el modelo con el Mean Absolute Percentage Error (MAPE) más bajo.
Este ejercicio forma parte del curso
Diseño de canalizaciones de predicción para producción
Instrucciones del ejercicio
- Busca las ejecuciones de MLflow por
experiment_name. - Obtén el único modelo con mejor rendimiento de
all_resultsen función demetrics.mape. - Imprime el subconjunto de
best_mape_model.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
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"]])