CommencerCommencer gratuitement

Ajout de paramètres à l'exécution du projet

Les paramètres peuvent être utilisés pour configurer le comportement d'un modèle en étant transmis comme variables au modèle pendant la formation. Cela vous permet d'entraîner le modèle plusieurs fois en utilisant différents paramètres sans modifier le code d'entraînement lui-même.

Dans cet exercice, vous utiliserez le module mlflow projects pour exécuter un projet servant à former un modèle de régression logistique pour votre expérience dans le domaine de l'assurance. Vous créerez du code à l'aide du module mlflow projects qui exécutera votre projet. Vous ajouterez ensuite des paramètres qui seront transmis au modèle en tant qu'hyperparamètres lors de l'apprentissage.

Cet exercice fait partie du cours

Introduction à MLflow

Afficher le cours

Instructions

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

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

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