Zoeken in experimenteerresultaten

MLflow maakt het makkelijk om de resultaten van je experimenten te bevragen, zodat je de modelprestaties en hyperparameters kunt volgen.

Laten we je meest recente experiment bekijken en het model vinden met de laagste Mean Absolute Percentage Error (MAPE).

Deze oefening maakt deel uit van de cursus

Forecasting-pijplijnen ontwerpen voor productie

Bekijk cursus

Oefeninstructies

Zoek MLflow-runs op experiment_name.
Haal het best presterende model uit all_results op basis van metrics.mape.
Print de subset van best_mape_model.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

experiment_name = "hyperparameter_tuning"

# Search MLflow runs
all_results = mlflow.____(experiment_names=[____])

# Filter for the model with the best MAPE score
best_mape_model = all_results.____("metrics.mape").head(____)

# Print the model
print(____[["params.model_name", "metrics.mape"]])

Code bewerken en uitvoeren