MLFlow によるロギングとデータ取得

MLflow は、ML ライフサイクルを管理するためのオープンソースプラットフォームです。実験の追跡、コードの再現可能な実行へのパッケージ化、モデルの共有とデプロイに利用できます。次の演習では、心疾患モデルのトレーニング実験の一部パラメータをロギングします。mlflow はインポート済みで、学習済みの心疾患 model は読み込まれています。

この演習はコースの一部です

End-to-End Machine Learning

コースを見る

演習の手順

"Logistic Regression Heart Disease Prediction" という名前の MLflow 実験を初期化します。
実行を開始し、学習済みモデルの係数と切片をロギングします。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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)

コードを編集して実行