MLflow voor het loggen en ophalen van data
MLflow is een open-sourceplatform voor het beheren van de ML-levenscyclus. Je kunt het gebruiken om experimenten bij te houden, code te verpakken in reproduceerbare runs, en modellen te delen en te deployen. In deze oefening log je een aantal parameters van een trainingsexperiment voor je hartziektemodel. mlflow is geïmporteerd en het getrainde hartziekte-model is voor je geladen.
Deze oefening maakt deel uit van de cursus
End-to-End Machine Learning
Oefeninstructies
- Initialiseer een MLflow-experiment met de naam
"Logistic Regression Heart Disease Prediction". - Start een run en log de coëfficiënt en intercept van het getrainde model.
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
# 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)