CommencerCommencez gratuitement

Ajouter des paramètres à l’exécution du projet

Les paramètres permettent de configurer le comportement d’un modèle en les passant comme variables au moment de l’entraînement. Vous pouvez ainsi réentraîner le modèle plusieurs fois avec des paramètres différents sans modifier le code d’entraînement lui-même.

Dans cet exercice, vous allez utiliser le module mlflow projects pour exécuter un Project qui entraîne un modèle de régression logistique pour votre expérimentation Insurance. Vous écrirez du code avec le module mlflow projects pour lancer votre projet, puis vous ajouterez des paramètres qui seront transmis comme hyperparamètres au modèle pendant l’entraînement.

Cet exercice fait partie du cours

<cours>Introduction à MLflow</cours>
Voir le cours

Instructions de l’exercice

  • Appelez la fonction mlflow.projects.run() depuis le 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