Mencari hasil eksperimen
MLflow memudahkan Anda melakukan kueri terhadap hasil eksperimen, membantu Anda melacak kinerja model dan hiperparameter.
Mari kita telaah eksperimen terbaru Anda untuk menemukan model dengan Mean Absolute Percentage Error (MAPE) terendah.
Latihan ini merupakan bagian dari kursus
Merancang Pipeline Peramalan untuk Produksi
Instruksi latihan
- Cari run MLflow berdasarkan
experiment_name. - Ambil satu model berkinerja terbaik dari
all_resultsberdasarkanmetrics.mape. - Cetak subset dari
best_mape_model.
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
experiment_name = "hyperparameter_tuning"
# Search MLflow runs
all_results = mlflow.____(experiment_names=[____])
# Filter for the model with the best MAPE score
best_mape_model = all_results.____("metrics.mape").head(____)
# Print the model
print(____[["params.model_name", "metrics.mape"]])