MLproject にパラメータを追加する
MLflow Projects でパラメータを定義すると、ML コードの再現性を高められます。さらに、コードを変更せずに設定を変えて学習実験を実行しやすくなります。
この演習では、メインのエントリーポイント用に MLproject ファイルへパラメータを追加します。このエントリーポイントは train_model.py スクリプトを実行し、Insurance データから Logistic Regression モデルを学習します。
このスクリプトは、モデル学習に使うハイパーパラメータである n_jobs と fit_intercept の 2 つのパラメータを受け取ります。まずは MLproject ファイルに n_jobs パラメータを追加し、その後に fit_intercept パラメータを追加します。最後に、メインのエントリーポイントで実行されるコマンドにこれらのパラメータを渡します。
この演習はコースの一部です
MLflow 入門
演習の手順
n_jobsという名前のパラメータを作成し、型はint、既定値は1にします。- 2 つ目のパラメータとして
fit_interceptを作成し、型はbool、既定値はTrueにします。 - 両方のパラメータをコマンドに渡し、
n_jobsを先頭、その次にfit_interceptを指定してください。
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。
"""
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 {____} {____}"
"""