Aggiungere parametri a MLproject
La definizione dei parametri nei progetti MLflow ti permette di rendere riproducibile il tuo codice ML. I parametri semplificano anche l'esecuzione di esperimenti di formazione con impostazioni diverse senza dover modificare il codice.
In questo esercizio, aggiungerai dei parametri al tuo file MLproject per il punto di ingresso principale. Questo punto di ingresso viene utilizzato per eseguire lo script train_model.py che addestra un modello di regressione logistica a partire dai dati dell'assicurazione.
Lo script accetta due parametri, n_jobs e fit_intercept, che sono iperparametri utilizzati per addestrare il modello. Inizierai aggiungendo il parametro n_jobs nel file MLproject. Aggiungerai quindi il parametro fit_intercept. Infine, aggiungerai i parametri al comando eseguito nel punto di ingresso principale.
Questo esercizio fa parte del corso
Introduzione a MLflow
Istruzioni dell'esercizio
- Crea un parametro chiamato
n_jobscon un tipointe un valore predefinito di1. - Crea un secondo parametro chiamato
fit_interceptcome tipoboolcon un valore predefinito impostato suTrue. - Inserisci entrambi i parametri nel comando assicurandoti che
n_jobssia il primo seguito dafit_intercept.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
"""
name: insurance_model
python_env: python_env.yaml
entry_points:
main:
parameters:
# Create parameter for number of jobs as n_jobs
____:
____: ____
____: ____
# Create parameter for fit_intercept
____:
____: ____
____: ____
# Add parameters to be passed into the command
command: "python3.9 train_model.py {____} {____}"
"""