MLFlow do rejestrowania i pobierania danych
MLflow to platforma open-source do zarządzania cyklem życia modeli uczenia maszynowego. Umożliwia śledzenie eksperymentów, pakowanie kodu w odtwarzalne uruchomienia oraz udostępnianie i wdrażanie modeli. W tym ćwiczeniu zarejestrujesz niektóre parametry eksperymentu treningowego dla modelu przewidującego choroby serca. Obiekt mlflow jest już zaimportowany, a wytrenowany model chorób serca – wczytany.
To ćwiczenie jest częścią kursu
End-to-End Machine Learning
Instrukcje do ćwiczenia
- Zainicjuj eksperyment MLflow o nazwie
"Logistic Regression Heart Disease Prediction". - Uruchom eksperyment i zarejestruj współczynnik oraz wyraz wolny wytrenowanego modelu.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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)