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 adalah bagian dari kursus
Merancang Pipeline Peramalan untuk Produksi
Petunjuk latihan
- Cari run MLflow berdasarkan
experiment_name. - Ambil satu model berkinerja terbaik dari
all_resultsberdasarkanmetrics.mape. - Cetak subset dari
best_mape_model.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
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"]])