CommencezCommencez gratuitement

Ajouter des paramètres à l'exécution du projet

Les paramètres peuvent servir à configurer le comportement d'un modèle en étant passés comme variables au moment de l'entraînement. Cela vous permet d'entraîner le modèle plusieurs fois avec des paramètres différents sans modifier le code d'entraînement lui-même.

Dans cet exercice, vous utiliserez le module mlflow projects pour exécuter un Project servant à entraîner un modèle de régression logistique pour votre expérimentation Insurance. Vous écrirez du code avec le module mlflow projects pour lancer votre projet. Vous ajouterez ensuite des paramètres qui seront transmis comme hyperparamètres au modèle pendant l'entraînement.

Cette activité fait partie du cours

Introduction à MLflow

Voir le cours

Instructions de l’exercice

  • Appelez la fonction mlflow.projects.run() du module mlflow projects.
  • Créez le dictionnaire de paramètres et définissez n_jobs_param à 2 et fit_intercept_param à False.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

import mlflow

# Set the run function from the MLflow Projects module
____.____.____(
    uri='./',
    entry_point='main',
    experiment_name='Insurance',
  	env_manager='local',
  	# Set parameters for n_jobs and fit_intercept
  	____={
        '____': ____, 
        '____': ____
    }
)
Modifier et exécuter le code