शुरू करेंमुफ़्त में शुरू करें

Project रन में पैरामीटर जोड़ना

पैरामीटरों को ट्रेनिंग के दौरान मॉडल को वैरिएबल्स के रूप में पास करके, मॉडल के व्यवहार को कॉन्फ़िगर किया जा सकता है. इससे आप ट्रेनिंग कोड बदले बिना अलग-अलग पैरामीटर के साथ मॉडल को कई बार ट्रेन कर सकते हैं.

इस अभ्यास में, आप अपने Insurance प्रयोग के लिए Logistic Regression मॉडल ट्रेन करने वाले एक Project को चलाने के लिए mlflow projects मॉड्यूल का उपयोग करेंगे. आप mlflow projects मॉड्यूल का उपयोग करके ऐसा कोड लिखेंगे जो आपका प्रोजेक्ट चलाए. फिर आप ऐसे पैरामीटर जोड़ेंगे जिन्हें ट्रेनिंग के दौरान मॉडल को हाइपरपैरामीटर के रूप में पास किया जाएगा.

यह अभ्यास पाठ्यक्रम का हिस्सा है

MLflow परिचय

पाठ्यक्रम देखें

अभ्यास निर्देश

  • mlflow projects मॉड्यूल से mlflow.projects.run() फंक्शन कॉल करें.
  • parameters का dictionary बनाएँ और n_jobs_param को 2 तथा fit_intercept_param को False पर सेट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

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
  	____={
        '____': ____, 
        '____': ____
    }
)
कोड संपादित करें और चलाएँ