Creare un progetto ML per il ciclo di vita di ML: Modellistica
Il file MLproject può includere più di un punto di ingresso. Questo significa che puoi usare un singolo file MLproject per eseguire più punti di ingresso, rendendo possibile l'esecuzione di un flusso di lavoro composto da più fasi con un singolo file MLproject.
In questo esercizio costruirai l'inizio di un file MLproject che contiene il punto di ingresso model_engineering. Questo punto di ingresso eseguirà uno script python che accetta i parametri utilizzati come iperparametri per fit_intercept e n_jobs in un modello di Regressione Logistica. Questo modello viene utilizzato per prevedere il sesso di una persona a partire da una richiesta di risarcimento assicurativo.
Questo esercizio fa parte del corso
Introduzione a MLflow
Istruzioni dell'esercizio
- Crea un punto di ingresso per la fase di Model Engineering del ciclo di vita di ML chiamato
model_engineering. - Imposta il primo parametro del punto di ingresso a
n_jobse il secondo afit_intercept. - Inserisci i parametri all'interno del comando.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
"""
name: insurance_model
python_env: python_env.yaml
entry_points:
# Set the entry point
____:
parameters:
# Set n_jobs
____:
type: int
default: 1
# Set fit_intercept
____:
type: bool
default: True
# Pass the parameters to the command
command: "python3.9 train_model.py {____} {____}"
"""