Mencatat model yang dituning
Anda telah bereksperimen dengan berbagai hyperparameter model dan perlu mencatat putaran terbaru hasil eksperimen ke MLflow. Mari kita lakukan!
Latihan ini merupakan bagian dari kursus
Merancang Pipeline Peramalan untuk Produksi
Instruksi latihan
- Atur nama eksperimen sebagai
"hyperparameter_tuning". - Lakukan loop atas indeks dan baris
df. - Mulai sebuah run MLflow.
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# Set the experiment name
experiment_name = "____"
experiment_id = mlflow.create_experiment(experiment_name)
# Loop through the DataFrame
for idx, row in df.____():
# Start a run
with mlflow.____(experiment_id=____):
model_params = ml_models[row["model_label"]].get_params()
model_params["model_name"] = row["model_name"]
model_params["model_label"] = row["model_label"]
model_params["partition"] = row["partition"]
model_params["lags"] = list(range(1, 24))
model_params["date_features"] = ["month", "day", "dayofweek", "week", "hour"]
mlflow.log_params(model_params)
mlflow.log_metric("mape", row["mape"])
mlflow.log_metric("rmse", row["rmse"])