CommencerCommencer gratuitement

Enregistrement de nouveaux modèles

Le registre de modèles MLflow peut également enregistrer des modèles au cours d'une formation. Cette fonction est utile car elle permet d'enregistrer un modèle dans le cadre de la même fonction.

Dans cet exercice, vous utiliserez la saveur scikit-learn pour enregistrer un modèle dans le Model Registry pendant un entraînement, lorsque le modèle est enregistré dans le MLflow Tracking. Vous effectuerez ensuite une recherche dans le registre des modèles pour vous assurer que le modèle a bien été enregistré.

Ce modèle sera enregistré en même temps que les modèles enregistrés existants qui ont été formés sur les données d'entraînement "Insurance". Le modèle a déjà été formé et réglé sur la variable lr. Lors de la recherche dans le registre des modèles, une instance de MLflowClient() a été définie comme client et la chaîne de filtrage a déjà été créée comme insurance_filter_string.

Cet exercice fait partie du cours

Introduction à MLflow

Afficher le cours

Instructions

  • Enregistrez le modèle lr dans "Insurance" en utilisant la saveur scikit-learn.
  • Effectuez une recherche dans le registre des modèles à l'adresse client pour vous assurer que le modèle a bien été enregistré.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Log the model using scikit-learn flavor
____.____.____(____, "model", ____="____")
insurance_filter_string = "name = 'Insurance'"

# Search for Insurance models
print(____.____(____=____))
Modifier et exécuter le code