Registrazione e caricamento di un modello
L'API Model fornisce un modo per interagire con i nostri modelli, registrandoli e caricandoli direttamente da MLflow Tracking in modo standardizzato. La possibilità di interagire con i modelli è fondamentale durante il ciclo di vita di ML per le fasi di Model Engineering e Model Evaluation.
In questo esercizio creerai un modello di regressione lineare con scikit-learn utilizzando il dataset Unicorn. Questo modello verrà registrato in MLflow Tracking e poi caricato utilizzando il run_id usato per registrare l'artefatto.
Per prima cosa, registrerai il modello utilizzando la libreria scikit-learn del modulo MLflow. Poi caricherai il modello da MLflow Tracking utilizzando il sito run_id.
Il modello sarà addestrato e avrà il nome di lr_model.
lr_model = LinearRegression()
lr_model.fit(X_train, y_train)
Il modulo mlflow verrà importato.
Questo esercizio fa parte del corso
Introduzione a MLflow
Istruzioni dell'esercizio
- Registra il modello in MLflow Tracking sotto il percorso degli artefatti di
"lr_tracking". - Crea una variabile chiamata
runche viene impostata sull'ultima esecuzione. - Crea un'altra variabile chiamata
run_idche viene impostata surun_iddella variabilerun. - Carica il modello utilizzando il sito
run_ide il percorso dell'artefatto utilizzato per registrare il modello.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Log model to MLflow Tracking
____.____.____(____, "____")
# Get the last run
run = ____.____
# Get the run_id of the above run
run_id = ____.___.____
# Load model from MLflow Tracking
model = ____.____.____(f"runs:/{____}/____")