MLflow per il logging e il recupero dei dati
MLflow è una piattaforma open-source per la gestione del ciclo di vita del Machine Learning. Può essere usata per tenere traccia degli esperimenti, impacchettare il codice in run riproducibili e condividere/distribuire i modelli. Nel seguente esercizio, registrerai alcuni parametri di un esperimento di training per il tuo modello di malattie cardiache. mlflow è già importato e il model di malattie cardiache addestrato è stato caricato per te.
Questo esercizio fa parte del corso
Machine Learning end-to-end
Istruzioni dell'esercizio
- Inizializza un esperimento MLflow chiamato
"Logistic Regression Heart Disease Prediction". - Avvia una run e registra il coefficiente e l'intercetta del modello addestrato.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Initialize the MLflow experiment
____.____("Logistic Regression Heart Disease Prediction")
# Start a run, log model coefficients and intercept
with ____.____:
for idx, coef in enumerate(model.coef_[0]):
____.____(f"coef_{idx}", ____)
____.____("intercept", model.intercept_[0])
run_id = mlflow.active_run().info.run_id
print(run_id)