Cercare i risultati degli esperimenti
MLflow rende semplice interrogare i risultati dei tuoi esperimenti, aiutandoti a tracciare le prestazioni dei modelli e gli iperparametri.
Esaminiamo il tuo esperimento più recente e troviamo il modello con il Mean Absolute Percentage Error (MAPE) più basso.
Questo esercizio fa parte del corso
Progettare pipeline di forecasting per la produzione
Istruzioni dell'esercizio
- Cerca le run di MLflow per
experiment_name. - Ottieni il singolo modello con le prestazioni migliori da
all_resultsin base ametrics.mape. - Stampa il sottoinsieme di
best_mape_model.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
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"]])